提起Selenium想必大家都不陌生，作为一款知名的Web自动化测试框架，Selenium支援多款主流浏览器，提供了功能丰富的API界面，经常被我们用作爬虫工具来使用。但是selenium的缺点也很明显，比如速度太慢、对版本配置要求严苛,最麻烦是经常要更新对应的驱动。
今天就给大家介绍另一款web自动化测试工具Pyppeteer，虽然支援的浏览器比较单一，但在安装配置的便利性和执行效率方面都要远胜Selenium。
01.Pyppeteer简介
介绍Pyppeteer之前先说一下Puppeteer，Puppeteer是Google出品的一款基于Node.js开发的一款工具，主要是用来操纵Chrome浏览器的 API，通过Javascript程式码来操纵Chrome浏览器，完成资料爬取、Web程式自动测试等任务。
Pyppeteer其实是Puppeteer的Python版本，下面简单介绍下Pyppeteer的两大特点，chromium浏览器和asyncio框架：
▌chromium
Chromium是一款独立的浏览器，是Google为发展自家的浏览器Google Chrome而开启的计划，相当于Chrome的实验版，Chromium的稳定性不如Chrome但是功能更加丰富，而且更新速度很快，通常每隔数小时就有新的开发版本释出。
Pyppeteer的web自动化是基于chromium来实现的，由于chromium中某些特性的关系，Pyppeteer的安装配置非常简单，关于这一点稍后我们会详细介绍。
▌asyncio
asyncio是Python的一个异步协程库，自3.4版本引入的标准库，直接内建了对异步IO的支援，号称是Python最有野心的库，官网上有非常详细的介绍:
公众号里面也写过一篇关于asyncio的介绍(菜鸟上手Python最有野心的库Asyncio) .由于Pyppeteer是基于asyncio实现的，所以它本身就支援异步操作，执行效率得到大幅提升。
02.安装与使用
▌极简安装
使用pip install pyppeteer命令就能完成pyppeteer库的安装，至于chromium浏览器，只需要一条pyppeteer-install命令就会自动下载对应的最新版本chromium浏览器到pyppeteer的预设位置。
如果不执行pyppeteer-install命令，在第一次使用pyppeteer的时候也会自动下载并安装chromium浏览器，效果是一样的。总的来说，pyppeteer比起selenium省去了driver配置的环节。
当然，出于某种原因，也可能会出现chromium自动安装无法顺利完成的情况，这时可以考虑手动安装：首先，从下列网址中找到自己系统的对应版本，下载chromium压缩包；
\'linux\': \'https://storage.googleapis.com/chromium-browser-snapshots/Linux_x64/575458/chrome-linux.zip\'
\'mac\': \'https://storage.googleapis.com/chromium-browser-snapshots/Mac/575458/chrome-mac.zip\'
\'win32\': \'https://storage.googleapis.com/chromium-browser-snapshots/Win/575458/chrome-win32.zip\'
\'win64\': \'https://storage.googleapis.com/chromium-browser-snapshots/Win_x64/575458/chrome-win32.zip\'
(左右滑动检视)
然后，将压缩包放到pyppeteer的指定目录下解压缩，windows系统的预设目录。其他系统下的预设目录可以参照下面这幅图：
▌使用
安装完后就来试试效果。一起来看下面这段程式码，在main函式中，先是建立一个浏览器物件，然后开启新的标签页，访问百度主页，对当前页面截图并储存为“example.png”，最后关闭浏览器。前文也提到过，pyppeteer是基于asyncio构建的，所以在使用的时候需要用到async/await结构。
执行上面这段程式码会发现并没有浏览器弹出执行，这是因为Pyppeteer预设使用的是无头浏览器，如果想要浏览器显示，需要在launch函式中设定引数“headless =False”，程式执行结束后在同一目录下会出现撷取到的网页图片：
03.实战异步基金爬取
我们前面一直在说Pyppeteer是一款非常高效的web自动化测试工具，其本质原因是由于Pyppeteer是基于asyncio构建的，它的所有属性和方法几乎都是coroutine物件，因此在构建异步程式的时候非常方便，天生就支援异步执行。
下面就来对比顺序执行和异步执行的效率究竟如何:
▌基金爬取
我们把天天基金网中的开放式基金净值资料爬取作为本次的实验任务，下面这张图是一支基金的历史净值资料，这个页面是js载入的，没办法通过requests直接获取内容资讯，因此可以考虑使用模拟浏览器操作的方式进行资料抓取。（事实上基金净值资料的获取是有API界面的，本次任务只是为了演示，不具备实用价值）
为了使效果更加明显，我们此次爬取基金列表页（下图）前50支基金的近20个交易日的净值资料。
▌顺序执行
程式构建的基本思路是新建一个browser浏览器和一个页面page，依次访问每个基金的净值资料页面并爬取资料。核心程式码如下：
程式码中的get_data()函式用于净值资料页面解析和资料的转化，get_all_codes()函式用于获取全部开放式基金的基金程式码（共6000余个）。虽然程式也使用了async/await的结构，但是对多个基金的净值资料获取都是在callurl_and_getdata()函式中顺序执行的，之所以这样写是因为pyppeteer中的方法都是coroutine物件，必须以这种形式构建程式。
为了排除开启浏览器的耗时干扰，我们仅统计访问页面和资料抓取的用时，其结果为：12.08秒。
▌异步执行
下面我们把程式改造一下，功能函式都不变，主要是把对fundlist的循环执行改装成async的task物件。核心程式码如下：
耗时的统计区间仍然从浏览器开启后开始计算，其执行用时为：2.18秒，相比顺序执行要快了6倍。可以想象，如果需要爬取的工作量比较大，顺序执行需要10个小时的话，异步执行可能只需要不到2个小时，优化效果可谓非常明显了。
有兴趣的同学可以动手试试这个库。
