Python基于execjs运行js过程解析

Odele ·

更新时间:2024-11-10

· 832 次阅读

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。

总注：使用execjs的难点并不是在execjs这个库，而是解析JS的过程，因为没有浏览器的环境，没有加密源码的依赖。从成千上万行的JS中择出想要的内容，可能是一段孤零零的JS函数，也可能是从几个JS文件去找出各自找出一段JS代码，并可以通过execjs顺利执行，这并非易事。需要慢慢积累经验。一旦掌握，便可以提高爬虫的效率，以及代码的健壮性，节省资源！

您可能感兴趣的文章:Python使用pyexecjs代码案例解析Python利用PyExecJS库执行JS函数的案例分析python爬虫 execjs安装配置及使用python对execl 处理操作代码解决python ThreadPoolExecutor 线程池中的异常捕获问题Python中的exec、eval使用实例

Python

1024 个赞