跳转到主要内容
下面是浏览器 API 在各种场景和库中的使用示例。
请确保在继续之前安装所需的库

几分钟内发出您的第一个请求

使用这些现成的代码示例,您可以在几分钟内测试浏览器 API。

Nodejs Puppeteer 示例

Node.js Playwright 示例

Node.js Selenium 示例

对目标页面进行简单爬取

选择您偏好的技术栈


使用 Browser API 优化带宽使用

在优化您的网页爬取项目时,节省带宽至关重要。请参考以下提示和指南,在脚本中使用节省带宽的技巧,确保高效、资源友好的爬取。

避免不必要的媒体内容

下载不必要的媒体(图片、视频)是常见的带宽消耗。您可以直接在脚本中阻止这些资源。
由于反爬虫机制的影响,阻止资源有时可能会影响页面加载。如果在阻止资源后出现问题,请在联系支持之前恢复您的阻止逻辑。

阻止不必要的网络请求

仅阻止媒体类型的请求并不总能降低带宽使用量。一些网站的广告位会不断刷新广告,另一些网站使用实时竞价机制,如果某个广告加载失败,会持续寻找新的广告。 在这种情况下,识别并阻止这些特定的网络请求非常重要。这样可以减少网络请求的数量,从而降低带宽使用。
Example

高效使用缓存页面

抓取任务中的一个常见低效问题是在单个会话中重复下载同一页面。 利用缓存页面——先前抓取页面的版本——可以显著提高抓取效率,因为它可用于避免对同一域名的重复网络请求。这不仅通过避免冗余获取节省带宽,还能确保与预加载内容的交互更快、更流畅。

代码示例

本示例中使用的选择器(.product-name、.product-price、.product-link、.apply-coupon-button)是通用占位符。请根据您要抓取的网站的实际 HTML 结构进行更新。 同时,请确保将 https://example.com 替换为您的目标 URL。
Puppeteer

其他策略

  • 限制请求量: 仅抓取所需数据。
  • 并发控制: 避免同时打开过多页面,这可能会导致资源过载。
  • 会话管理: 正确关闭会话以节省资源和带宽。
  • 优先使用 API: 在可用时使用官方 API——它们通常对带宽的消耗较小。
  • 增量抓取: 仅抓取新的或更新的内容,而不是每次抓取整个数据集。