execjs 使用
有了selenium+Chrome Headless 加载页面为什么还要用execjs来运行js?
selenium+Chrome Headless 必然是爬虫的一大利器,可是缺点依然存在, 性能问题不可忽视。
但这构不成舍弃它而不用的理由。我认为舍弃包括Chrome Headless、PhantomJS在内的无头浏览器的原因主要有以下几点:
1. 页面结构改变、弹窗(一些网站的页面结构经常无规则改变), 影响代码的健壮性。
2. 无头浏览器的应用场景主要是一些模拟登陆账号密码加密的场景, 爬虫全程使用无头浏览器, 影响性能和效率, 浪费资源。
3. 通过js加密的网站, 可以看得到加密过程,可以拿得到加密源码。
1. 安装
pip install PyExecJS # 需要注意, 包的名称:PyExecJS
2. 简单使用
import execjs
execjs.eval("new Date")
返回值为: 2018-04-04T12:53:17.759Z
execjs.eval("Date.now()")
返回值为:1522847001080 # 需要注意的是返回值是13位, 区别于python的time.time()
需要注意的是: 个别的JS语句, 用execjs返回的结果跟浏览器环境返回的结果是有区别的, 以下是浏览器环境返回的结果
浏览器环境运行的结果
3. 调用函数
# 实际生产中处理的js有几百几千行, 不方便贴上来。来看一下源码中给的例子: ctx = execjs.compile(""" function add(x, y) { return x + y; } """) ctx.call("add", 1, 2) # 第一个参数 “add” 为JS函数名的字符串, 后边依次为实参 返回值:3
execjs的用法非常简单, 下边来看一下执行JS的环境, 以及性能:
4. 执行JS的环境
# 1. 在windows上不需要其他的依赖便可运行execjs, 也可以调用其他的JS环境 # windows 默认的执行JS的环境 execjs.get().name 返回值: JScript # 作者本人的windows上装有Node.js , 所以返回值不同 execjs.get().name 返回值: Node.js (V8) #2. 在ubuntu下需要安装执行JS环境依赖, 作者的环境为PhantomJS execjs.get().name 返回值: PhantomJS #3. 源码中给出, 可执行execjs的环境: PyV8 = "PyV8" Node = "Node" JavaScriptCore = "JavaScriptCore" SpiderMonkey = "SpiderMonkey" JScript = "JScript" PhantomJS = "PhantomJS" SlimerJS = "SlimerJS" Nashorn = "Nashorn"
注1:作者之前在ubuntu环境下执行execjs碰见过因为没有环境而报错,因时间久远,无法肯定。 现在环境齐全, 报错无法复原,如有读者出现错误, 请留言, 多谢!
更新注1:经过朋友老冀的指正(在此感谢),在ubuntu环境下, 没有JS环境会报错:Could not find an available JavaScript runtime. 由此可见, execjs在ubuntu需要安装JS环境 。具体的JS环境需根据具体的需求安装, 切不可超过以上8种。
5.环境切换
# 1. 通过os.environ os.environ["EXECJS_RUNTIME"] = "Node" execjs.get().name execjs.eval("1 + 2") # 2. 通过execjs.get 切换 jscript = execjs.get(execjs.runtime_names.JScript) # runtime_names 便是execjs源码中给出的执行环境的。 execjs.runtime_names.xxx xxx必须在上一节 #3中取 jscript.eval("1 + 2")
注: 在切换环境时, 当环境不存在不会报错, 会使用默认的环境。 另外需要注意的是, 两种方式的区别
6. 简易性能分析
# 作者只简单试了三种, 在windows下 import execjs import os import time # 先用JScript os.environ["EXECJS_RUNTIME"] = "JScript" print execjs.get().name time1 = time.time() for i in range(100): execjs.eval("new Date") print time.time() - time1 # 切换环境 使用Nodejs os.environ["EXECJS_RUNTIME"] = "Node" print execjs.get().name time2 = time.time() for l in range(100): execjs.eval("new Date") print time.time() - time2 # 打印的结果为: JScript 4.70900011063 Node.js (V8) 27.501999855 # 在ubuntu下试的是PhantoJS , 结果竟然高达 30+ S
此注释来自execjs作者:PyExecJS的缺点之一就是性能。PyExecJS通过文本传递JavaScript运行时,并且速度很慢。另一个缺点是它不完全支持运行时特定的功能。对于某些用例,PyV8可能是更好的选择。
总注:使用execjs的难点并不是在execjs这个库, 而是解析JS的过程, 因为没有浏览器的环境, 没有加密源码的依赖。从成千上万行的JS中择出想要的内容,可能是一段孤零零的JS函数,也可能是从几个JS文件去找出各自找出一段JS代码, 并可以通过execjs顺利执行, 这并非易事。 需要慢慢积累经验。 一旦掌握, 便可以提高爬虫的效率, 以及代码的健壮性, 节省资源!
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
稳了!魔兽国服回归的3条重磅消息!官宣时间再确认!
昨天有一位朋友在大神群里分享,自己亚服账号被封号之后居然弹出了国服的封号信息对话框。
这里面让他访问的是一个国服的战网网址,com.cn和后面的zh都非常明白地表明这就是国服战网。
而他在复制这个网址并且进行登录之后,确实是网易的网址,也就是我们熟悉的停服之后国服发布的暴雪游戏产品运营到期开放退款的说明。这是一件比较奇怪的事情,因为以前都没有出现这样的情况,现在突然提示跳转到国服战网的网址,是不是说明了简体中文客户端已经开始进行更新了呢?