puppeteer快速调试

在我们使用chrome作为爬虫获取网页数据时，往往需如下几步。

1. 打开chrome

2. 导航至目标页面

3. 等待目标页面加载完成

4. 解析目标页面数据

5. 保存目标页面数据

6. 关闭chrome

我们实际的编码往往集中在第4步，并且，在开发过程中，解析网页数据往往不是一步到位的，需要经过反复多次调试才行。如果每次调试都需要经过这一个过程就显得效率过低。

此时，我们希望有一种类似调试程序中的"附加到进程"类似的方法，不必每次都打开chrome，跳转到目标页面，直接进行第4步，解析现有页面。本文这里就介绍一个这样的方法。

以远程调试的方式启动chrome：

"C:\Program Files (x86)\Google\Chrome\Application\Chrome.exe" -- remote - debugging - port = 9222 -- user - data - dir = "r:\chrome\cache"

手动跳转到目标网页。

此时就可以通过 http://127.0.0.1:9222/json 查看调试信息了。

[{
"description" : "" ,
"devtoolsFrontendUrl" : "/devtools/inspector.html?ws=127.0.0.1:9222/devtools/page/9067DC581E400BFF607DC63792BBCD2E" ,
"faviconUrl" : "https://tianfang.cnblogs.com/favicon.ico" ,
"id" : "9067DC581E400BFF607DC63792BBCD2E" ,
"title" : " 天方 - 博客园 " ,
"type" : "page" ,
"url" : "https://tianfang.cnblogs.com/" ,
"webSocketDebuggerUrl" : "ws://127.0.0.1:9222/devtools/page/9067DC581E400BFF607DC63792BBCD2E"
}]

调试地址为： "ws://127.0.0.1:9222/devtools/page/9067DC581E400BFF607DC63792BBCD2E"。在实际运行过程中，可以通过axios库来自动获取这个地址：

const axios = require ( 'axios' );
async function get_debug_url () {
var rsp = await axios . get ( 'http://127.0.0.1:9222/json' );
return rsp . data [ 0 ]. webSocketDebuggerUrl ;
}

利用 puppeteer.connect(options) 连接，获得的是一个browser对象，在利用 browser.pages() 获取当前打开的page，直接操作page即可。

const puppeteer = require ( 'puppeteer-core' );
async function run () {
var ws = await get_debug_url ();
const browser = await puppeteer . connect ({
"browserWSEndpoint" : ws ,
"defaultViewport" : { width: 1000 , height: 600 }
});
const pages = await browser . pages ();
const page = pages [ 0 ];
await page . screenshot ({ path: 'screen.png' });
console . log ( "complte" );
};

run ();

究其本质，这里和我文章 使用CefSharp在.Net程序中嵌入Chrome浏览器（六）——调试 中的远程调试的原理是一样的。这里我虽然是用的puppeteer为例，其它基于Chrome DevTools Protocol的 工具 应该也是一样可以用的。