利用chrome插件批量读取浏览器页面内容并写入数据库

　　试想一下，如果每天要收集100页网页数据甚至更多。如果采用人工收集会吐血，用程序去收集也就成为一个不二的选择。首先肯定会想到说用java、php、C#等高级语言，但这偏偏又有个登陆和验证码，搞到无所适从。还在为收集web端的数据感到苦恼吗？很高兴，你找对地方了。

　　应用场景：

　　　　1、需要每天大量重复收集web端的数据

　　　　2、web页面数据需要登陆后才能采集

　　　　3、web页面存在翻页

　　解决方案：

　　　　手工登陆，然后采用chrome插件的方式进行收集。当然你会说用selenium等自动化测试的方法进行收集更cool，而且可以每天自动收集，完全的自动化不用人工参与。但是作为chrome的忠实脑残粉，再者只需要前端的js、服务器端的接收文件、数据库就可以完美解决这一问题。再加上部署和操作简单。脑残粉总有很多理由的嘛。好吧，就算是一种憋屈的曲线救国和实现方式吧。

　　思路：

帮助手册：http://open.chrome.360.cn/extension_dev/overview.html

实例：

抓取某电商后台订单数据

1、创建一个项目文件夹并引入所需文件：如D:\tool\chrome_server_plugin

　　jquery-2.1.1.min.js、icon.png

2、创建background.html

<html><head>
</head></html>

3、创建配置文件manifest.json文件

{

"name": "获取某电商后台订单信息",
"version": "1.0",
"manifest_version": 2,
"description": "*********获取某电商后台订单信息*********",
"browser_action": {
"default_icon": "icon.png"
},
"permissions": [
"webNavigation",
"tabs",
"contextMenus",
"http://服务器接受数据url/"
],
"background": {
"scripts": ["eventPage.js","jquery-2.1.1.min.js"]
},
"content_scripts": [
{
"matches": ["http://抓取页面url/*"],
"js": ["jquery-2.1.1.min.js", "contentscript.js"]
}
]
}

4、创建前端js文件contentscript.js

var totalPage;
var page = 0;
//注册前台页面监听事件
chrome.extension.onMessage.addListener(
　　function(request, sender, sendResponse) {
　　　　totalPage = $("input[name=totalPage]").val();
　　　　console.log("totalPage----------" + totalPage);
　　　　//console.log("msg----------contentscript.js" + request.greeting);
　　　　getOrderInfo( sendResponse );
　　});

//获取订单信息
function getOrderInfo( sendResponse ){
　　var flag = false;

　　payMoney = [];//货款金额
　　orderTime = [];//下单时间
　　$("tr[class=head] span").each(function(index){
　　　　spantxt = '';
　　　　spantxt = $(this).text();
　　　　if(spantxt.indexOf('货款金额：') > -1){
　　　　　　money = spantxt.substr(5);
　　　　　　//console.log(index + "---------payMoney-------货款金额：" + money);
　　　　　　payMoney.push(money);
　　　　}else if(spantxt.indexOf('下单时间：') > -1){
　　　　　　time = spantxt.substr(5);
　　　　　　//console.log(index + "---------orderTime-------下单时间：" + time);
　　　　　　orderTime.push(time);
　　　　}
　　});

paytype = [];//物流方式
yunfei = [];//运费
$("td[class=p-values]").each(function(index){
　　tdtxt = '';
　　tdtxt = $(this).text();
　　if(tdtxt.indexOf('货到付款') > -1){
　　　　paytype.push('货到付款');
　　}else{
　　　　paytype.push('在线支付');
　　}

　　yf_index = tdtxt.indexOf('运费:');
　　if(yf_index > -1){
　　　　temp = tdtxt.substr(yf_index);
　　　　temp_yf = temp.substr(3);
　　　　//console.log(index + "---------yunfei-------"+ temp +"===" + temp_yf);
　　　　yunfei.push(temp_yf);
　　}else{
　　　　yunfei.push(0);
　　}

　　//console.log(index + "---------tdtxt-------" + tdtxt);
});

orderStatus = [];//订单状态
users = [];//买家账号
remark = [];//备注
$("tr[class=content] td[class=t-c]").each(function(index){
　　tdtxt = '';
　　tdtxt = $(this).text().replace(/[\r\n]\ +/g,"");//将回车，换行，空格去掉
　　temp = index % 5;
　　if(1 == temp){
　　　　orderStatus.push(tdtxt);
　　　　//console.log(index + "---------statu-------" + tdtxt);
　　}else if(2 == temp){
　　　　users.push(tdtxt);
　　　　//console.log(index + "---------users-------" + tdtxt);
　　}else if(3 == temp){
　　　　remark.push(tdtxt);
　　　　//console.log(index + "---------remark-------" + tdtxt);
　　}
});

express = [];//快递单号
$("tr[class=content] td div[style='text-align: center;']").each(function(index){
　　tdtxt = '';
　　tdtxt = $(this).text().replace(/[\r\n]\ +/g,"");//将回车，换行，空格去掉
　　express.push(tdtxt);
　　//console.log( "============快递单号=======" + tdtxt);
});

orderInfo = [];
splitstr = "@_@";
$("tr[class=head] a[track=orderinfopagebeta]").each(function(index){
　　orderid = $(this).text();
　　//console.log("---------orderid-------" + orderid);
　　mycomment = $("a[id=comment_" + orderid + "]").attr('style').replace(/[\r\n]\ +/g,"");
　　if("display: block;" == mycomment){
　　　　mycomment = '已评价';
　　}else if('display:none;' == mycomment){
　　　　mycomment = '未评价';
　　}

　　tempshopid = $("img[id=remarkFlag_" + orderid + "]").attr('onclick');
　　shopidIndex = tempshopid.indexOf(",");
　　shopid = tempshopid.substr(shopidIndex + 1).replace(/[\)\;]/g,"");
　　//console.log("---------shopid-------" + shopid);
　　orderdesc = shopid + splitstr + orderid + splitstr + mycomment + splitstr + payMoney[index] + splitstr + orderTime[index] + splitstr + paytype[index] + splitstr + yunfei[index] + splitstr + orderStatus[index] + splitstr + users[index] + splitstr + remark[index] + splitstr + express[index];
　　console.log("---------orderdesc-------" + orderdesc);
　　orderInfo.push(orderdesc);
});

//chrome.extension.sendMessage({"orderInfo": orderInfo}, function(response) {});
page = parseInt($("a[class=current]").text());
totalPage = parseInt($("input[name=totalPage]").val());
console.log(page + "--page-----------totalPage---" + totalPage);
if(page < totalPage && page < 100){
　　console.log("---------next-------");
　　sendMsg( orderInfo, "next" );
　　$('a.next')[1].click();
}else{
　　console.log("---------end-------");
　　sendMsg( orderInfo, "end" );
}
//

}

//将获取内容传递给后台文件进行处理
function sendMsg( msg, cmd){
　　chrome.extension.sendMessage({"msg": msg, "cmd": cmd}, function(response) {});
}

5、创建后台处理js文件eventPage.js

var flag = false;
var currentTabId;
chrome.browserAction.onClicked.addListener(function(tab) {
　　counter = 40;
　　console.log('Turning ' + tab.url);
　　flag = true;
　　currentTabId = tab.id;
　　chrome.tabs.getSelected(null, function(tab) {
　　　　sendMsg(tab.id);
　　});
});


chrome.webNavigation.onCompleted.addListener(function( tab ){
　　console.log('加载完成***' + tab.tabId );
　　if( flag ){
　　　　sendMsg( tab.tabId );
　　}
});

chrome.extension.onMessage.addListener(

function(request, sender, sendResponse) {
　　console.log("*******evenPage.js***chrome.extension.onMessage.addListener"); 
　　articleData = request;
　　$.ajax({
　　　　url: "服务器接受数据URL/getOrderinfo.php",
　　　　cache: false,
　　　　type: "POST",
　　　　data: {'orderinfo': request.msg.join("#$#")},
　　　　dataType: "json"
　　　　}).done(function(msg) {
　　　　　　console.log('*******************json*************' + msg.sql );
　　　　　　chrome.tabs.sendMessage(currentTabId, {"cmd":"end"}, 
　　　　　　function(response) { 
　　　　　　console.log(response); 
　});

}).fail(function(jqXHR, textStatus) {
　　articleData.firstAccess = textStatus;
});

cmd = request.cmd;
if('end' == cmd){
　　flag = false;//确保不会自动运行
}

});

function sendSku2Info(colores){
　　chrome.tabs.query(
　　　　{active: true, currentWindow: true}, function(tabs) {
　　　　　　chrome.tabs.sendMessage(tabs[0].id, {"cmd":"ok", "sku": colores}, 
　　　　　　function(response) { 
　　　　　　　　console.log(response); 
　　　　　　});

　　});
}

function sendMsg( tabid ){
　　console.log(tabid + "--sendMsg()----eventPage.js");
　　chrome.tabs.sendMessage(tabid, {greeting: "start working"}, function(response) {
　　});
}

4、创建服务器接收文件getOrderInfo.php（放在服务器哦，亲！）

<?php

header("Content-type:text/html; charset=utf-8");
//include("./includes/global.php");
echo "***********************";
$con = mysql_connect("localhost","root","root");
echo "==============";
if (!$con)
{
　　die('Could not connect: ' . mysql_error());
}
mysql_select_db("test", $con);
//var_dump($_REQUEST);
$orderinfo = $_POST['orderinfo'];
$orderArr = explode('#$#', $orderinfo);
print_r($orderArr);
$sql_value = array();
$split = "', '";
foreach($orderArr as $myorder){
　　$value = explode('@_@', $myorder);
　　echo "===========" . $value[10] ."</br>";
　　$sql = "INSERT INTO test(venderId, orderid, pingjia, money, ordertime, paytype, yunfei, orderstatu, user, remark, express) VALUES ";
　　$sql .= "('" . $value[0] . $split . $value[1] . $split . $value[2] . $split . $value[3] . $split . $value[4] . $split . $value[5] . $split . $value[6] . $split . 　　　　$value[7] . $split . $value[8] . $split . $value[9] . $split . $value[10] . "') ON DUPLICATE KEY UPDATE remark = '" . $value[9] . "', pingjia = '" . 　　　　$value[2] . "', orderstatu = '" . $value[7] . "', express = '" . $value[10] . "'";
　　mysql_query($sql);
}
mysql_close($con);

?>

5、创建数据库表

CREATE TABLE `test` (
`id` int(10) unsigned NOT NULL AUTO_INCREMENT COMMENT 'id',
`venderId` int(10) NOT NULL DEFAULT '0' COMMENT '商家ID',
`orderid` bigint(20) NOT NULL DEFAULT '0' COMMENT '订单ID',
`pingjia` varchar(100) NOT NULL DEFAULT '' COMMENT '订单发出后的状态（是否评价）',
`money` decimal(10,2) NOT NULL DEFAULT '0.00' COMMENT '订单金额',
`ordertime` varchar(100) NOT NULL DEFAULT '' COMMENT '下单时间',
`paytype` varchar(100) NOT NULL DEFAULT '' COMMENT '付款方式',
`yunfei` decimal(10,2) NOT NULL DEFAULT '0.00' COMMENT '运费',
`orderstatu` varchar(100) NOT NULL DEFAULT '' COMMENT '订单状态',
`user` varchar(255) NOT NULL DEFAULT '' COMMENT '订单用户',
`remark` varchar(255) NOT NULL DEFAULT '' COMMENT '备注',
`express` varchar(255) NOT NULL DEFAULT '' COMMENT '物流方式和运单号',
`shop_id` int(10) unsigned NOT NULL DEFAULT '0' COMMENT '店铺表ID',
`shop_name` varchar(255) NOT NULL DEFAULT '' COMMENT '店铺名称',
`stattime` int(11) NOT NULL DEFAULT '0' COMMENT '下单年月日',
PRIMARY KEY (`id`),
UNIQUE KEY `orderid` (`orderid`)
) ENGINE=MyISAM AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT=''

注意：各文件中红色部分需要手工修改，此外如果修改js文件名，请在manifest.json中修改相应的配置信息即可。

插件加载步骤：

示例代码：https://github.com/jackgitgz/chrome_server_plugin

此示例仅供参考，有理解不到位或错误的还请指出。

posted @ 2015-05-09 15:54 秋楓阅读(49470) 评论(11) 编辑收藏举报

刷新页面返回顶部

一葉知秋

知道可以做什么样的人，是成长的基础。

利用chrome插件批量读取浏览器页面内容并写入数据库

公告