Python爬虫杂记 - python运行js
2018-04-04 本文已影响263人
董小贱
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。
