javascript - Puppeteer，保存网页和图片

Question

我正在尝试保存网页，以供 Nodejs 和 puppeteer 离线使用。我看到很多例子:

await page.screenshot({path: 'example.png'});

但是对于更大的网页，这不是一种选择。所以在 puppeteer 中一个更好的选择是加载页面然后像这样保存:

const html = await page.content();
// ... write to file

好的，行得通。现在我要像推特一样滚动页面。所以我决定屏蔽 puppeteer 页面中的所有图像:

page.on('request', request => {
    if (request.resourceType() === 'image') {
        const imgUrl = request.url()
        download(imgUrl, 'download').then((output) => {
            images.push({url: output.url, filename: output.filename})
        }).catch((err) => {
            console.log(err)
        })
        request.abort()
    } else {
        request.continue()
    }
})

好的，我现在使用“npm 下载”库下载所有图像。是的，下载图片没问题 :D。

现在当我保存内容时，我想将它指向源中的离线图像。

const html = await page.content();

但是现在我想替换所有的

<img src="/pic.png?id=123"> 
<img src="https://twitter.com/pics/1.png">

还有类似的东西:

<div style="background-image: url('this_also.gif')></div>

那么有没有办法(在 puppeteer 中)抓取一个大页面并将整个内容离线存储？

Javascript 和 CSS 也不错

更新

现在我将用 puppeteer 再次打开这个大的 html 文件。

然后拦截所有文件为: https://dom.com/img/img.jpg ,/文件.jpg, ....

request.respond({
    status: 200,
    contentType: 'image/jpeg',
    body: '..'
});

我也可以使用 chrome 扩展程序来完成。但是我喜欢有一些选项的函数 page.html()，和 page.pdf() 一样

Answer 1

回到第一个，你可以使用fullPage来截屏。

await page.screenshot({path: 'example.png', fullPage: true});

如果你真的想离线下载所有资源，是的，你可以:

const fse = require('fs-extra');

page.on('response', (res) => {
    // save all the data to SOMEWHERE_TO_STORE
    await fse.outputFile(SOMEWHERE_TO_STORE, await res.buffer());
});

然后，你就可以通过puppeteer离线浏览网站了，一切正常。

await page.setRequestInterception(true);
page.on('request', (req) => {
    // handle the request by responding data that you stored in SOMEWHERE_TO_STORE
    // and of course, don't forget THE_FILE_TYPE
    req.respond({
        status: 200,
        contentType: THE_FILE_TYPE,
        body: await fse.readFile(SOMEWHERE_TO_STORE),
    });
});