Python基於execjs執行js過程解析
execjs 使用
有了selenium+Chrome Headless 載入頁面為什麼還要用execjs來執行js?
selenium+Chrome Headless 必然是爬蟲的一大利器,可是缺點依然存在, 效能問題不可忽視。
但這構不成捨棄它而不用的理由。我認為捨棄包括Chrome Headless、PhantomJS在內的無頭瀏覽器的原因主要有以下幾點:
1. 頁面結構改變、彈窗(一些網站的頁面結構經常無規則改變), 影響程式碼的健壯性。
2. 無頭瀏覽器的應用場景主要是一些模擬登陸賬號密碼加密的場景, 爬蟲全程使用無頭瀏覽器, 影響效能和效率, 浪費資源。
3. 通過js加密的網站, 可以看得到加密過程,可以拿得到加密原始碼。
1. 安裝
pip install PyExecJS # 需要注意, 包的名稱:PyExecJS
2. 簡單使用
import execjs
execjs.eval("new Date")
返回值為: 2018-04-04T12:53:17.759Z
execjs.eval("Date.now()")
返回值為:1522847001080 # 需要注意的是返回值是13位, 區別於python的time.time()
需要注意的是: 個別的JS語句, 用execjs返回的結果跟瀏覽器環境返回的結果是有區別的, 以下是瀏覽器環境返回的結果
瀏覽器環境執行的結果
3. 呼叫函式
# 實際生產中處理的js有幾百幾千行, 不方便貼上來。來看一下原始碼中給的例子: ctx = execjs.compile(""" function add(x,y) { return x + y; } """) ctx.call("add",1,2) # 第一個引數 “add” 為JS函式名的字串, 後邊依次為實參 返回值:3
execjs的用法非常簡單, 下邊來看一下執行JS的環境, 以及效能:
4. 執行JS的環境
# 1. 在windows上不需要其他的依賴便可執行execjs, 也可以呼叫其他的JS環境 # windows 預設的執行JS的環境 execjs.get().name 返回值: JScript # 作者本人的windows上裝有Node.js , 所以返回值不同 execjs.get().name 返回值: Node.js (V8) #2. 在ubuntu下需要安裝執行JS環境依賴,作者的環境為PhantomJS execjs.get().name 返回值: PhantomJS #3. 原始碼中給出, 可執行execjs的環境: PyV8 = "PyV8" Node = "Node" JavaScriptCore = "JavaScriptCore" SpiderMonkey = "SpiderMonkey" JScript = "JScript" PhantomJS = "PhantomJS" SlimerJS = "SlimerJS" Nashorn = "Nashorn"
注1:作者之前在ubuntu環境下執行execjs碰見過因為沒有環境而報錯,因時間久遠,無法肯定。 現在環境齊全, 報錯無法復原,如有讀者出現錯誤, 請留言, 多謝!
更新注1:經過朋友老冀的指正(在此感謝),在ubuntu環境下, 沒有JS環境會報錯:Could not find an available JavaScript runtime. 由此可見, execjs在ubuntu需要安裝JS環境 。具體的JS環境需根據具體的需求安裝, 切不可超過以上8種。
5.環境切換
# 1. 通過os.environ os.environ["EXECJS_RUNTIME"] = "Node" execjs.get().name execjs.eval("1 + 2") # 2. 通過execjs.get 切換 jscript = execjs.get(execjs.runtime_names.JScript) # runtime_names 便是execjs原始碼中給出的執行環境的。 execjs.runtime_names.xxx xxx必須在上一節 #3中取 jscript.eval("1 + 2")
注: 在切換環境時, 當環境不存在不會報錯, 會使用預設的環境。 另外需要注意的是, 兩種方式的區別
6. 簡易效能分析
# 作者只簡單試了三種, 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 # 切換環境 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 # 列印的結果為: JScript 4.70900011063 Node.js (V8) 27.501999855 # 在ubuntu下試的是PhantoJS , 結果竟然高達 30+ S
此註釋來自execjs作者:PyExecJS的缺點之一就是效能。PyExecJS通過文字傳遞JavaScript執行時,並且速度很慢。另一個缺點是它不完全支援執行時特定的功能。對於某些用例,PyV8可能是更好的選擇。
總注:使用execjs的難點並不是在execjs這個庫, 而是解析JS的過程, 因為沒有瀏覽器的環境, 沒有加密原始碼的依賴。從成千上萬行的JS中擇出想要的內容,可能是一段孤零零的JS函式,也可能是從幾個JS檔案去找出各自找出一段JS程式碼, 並可以通過execjs順利執行, 這並非易事。 需要慢慢積累經驗。 一旦掌握, 便可以提高爬蟲的效率, 以及程式碼的健壯性, 節省資源!
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支援我們。