關(guān)于熱圖

在網(wǎng)站分析行業(yè)中，網(wǎng)站熱圖能夠很好的反應(yīng)用戶在網(wǎng)站的操作行為，具體分析用戶的喜好，對網(wǎng)站進(jìn)行針對性的優(yōu)化，一個熱圖的例子（來源于ptengine）

上圖中能很清晰的看到用戶關(guān)注點(diǎn)在那，我們不關(guān)注產(chǎn)品中熱圖的功能如何，本篇文章就熱圖的實(shí)現(xiàn)做一下簡單的分析和總結(jié)。

熱圖主流的實(shí)現(xiàn)方式

一般實(shí)現(xiàn)熱圖顯示需要經(jīng)過如下階段：
1.獲取網(wǎng)站頁面
2.獲取經(jīng)過處理后的用戶數(shù)據(jù)
3.繪制熱圖
 本篇主要聚焦于階段1來詳細(xì)的介紹一下主流的在熱圖中獲取網(wǎng)站頁面的實(shí)現(xiàn)方式
4.使用iframe直接嵌入用戶網(wǎng)站
5.抓取用戶頁面保存到本地，通過iframe嵌入本地資源（所謂本地資源這里認(rèn)為是分析工具這一端）

兩種方式各有各的優(yōu)缺點(diǎn)

首先第一種直接嵌入用戶網(wǎng)站，這個有一定的限制條件，比如如果用戶網(wǎng)站為了防止iframe劫持，不允許iframe嵌套（設(shè)置meta X-FRAME-OPTIONS 為sameorgin 或者直接設(shè)置http header ，甚至直接通過js來控制if(window.top !== window.self){ window.top.location = window.location;} ），這種情況下就需要客戶網(wǎng)站做一部分工作才可以被分析工具的iframe加載，使用起來不一定那么方便，因?yàn)椴⒉皇撬械男枰獧z測分析的網(wǎng)站用戶都可以管理網(wǎng)站的。

第二種方式，直接抓取網(wǎng)站頁面到本地服務(wù)器，然后瀏覽的是本機(jī)服務(wù)器上抓取的頁面，這種情況下頁面已經(jīng)過來了，我們就可以為所欲為了，首先我們繞過了X-FRAME-OPTIONS 為sameorgin的問題，只需要解決js控制的問題，對于抓取的頁面來說，我們可以通過特殊的對應(yīng)來處理（比如移除對應(yīng)的js控制，或者添加我們自己的js）；但是這種方式也有很多的不足：1、無法抓取spa頁面，無法抓取需要用戶登錄授權(quán)的頁面，無法抓取用戶設(shè)置了白明白的頁面等等。

兩種方式都存在https 和 http資源由于同源策略引起的另一個問題，https站無法加載http資源，所以如果為了最好的兼容性，熱圖分析工具需要被應(yīng)用http協(xié)議，當(dāng)然具體可以根據(jù)訪問的客戶網(wǎng)站而具體分站優(yōu)化。

抓取網(wǎng)站頁面如何優(yōu)化

這里我們針對抓取網(wǎng)站頁面遇到的問題基于puppeteer做一些優(yōu)化，提高抓取成功的概率，主要優(yōu)化以下兩種頁面：

1.spa頁面

spa頁面在當(dāng)前頁算是主流了，但是它總所周知的是其對搜索引擎的不友好；通常的頁面抓取程序其實(shí)就是一個簡單的爬蟲，其過程通常都是發(fā)起一個http get 請求到用戶網(wǎng)站（應(yīng)該是用戶網(wǎng)站服務(wù)器）。這種抓取方式本身就會有問題問題，首先，直接請求的是用戶服務(wù)器，用戶服務(wù)器對非瀏覽器的agent 應(yīng)該會有很多限制，需要繞過處理；其次，請求返回的是原始內(nèi)容，需要在瀏覽器中通過js渲染的部分無法獲?。ó?dāng)然，在iframe嵌入后，js執(zhí)行還是會再一定程度上彌補(bǔ)這個問題），最后如果頁面是spa頁面，那么此時獲取的只是模板，在熱圖中顯示效果非常不友好。

針對這種情況，如果基于puppeteer來做，流程就變成了

puppeteer啟動瀏覽器打開用戶網(wǎng)站-->頁面渲染-->返回渲染后結(jié)果，簡單的用偽代碼實(shí)現(xiàn)如下：

const puppeteer = require('puppeteer');

async getHtml = (url) =>{
  const browser = await puppeteer.launch();
  const page = await browser.newPage();
  await page.goto(url);
  return await page.content();
}

這樣我們拿到的內(nèi)容就是渲染后的內(nèi)容，無論頁面的渲染方式如何（客戶端渲染抑或服務(wù)端）

需要登錄的頁面

對于需要登錄頁面其實(shí)分為多種情況：

需要登錄才可以查看頁面，如果沒有登錄，則跳轉(zhuǎn)到login頁面（各種管理系統(tǒng)）

對于這種類型的頁面我們需要做的就是模擬登錄，所謂模擬登錄就是讓瀏覽器去登錄，這里需要用戶提供對應(yīng)網(wǎng)站的用戶名和密碼，然后我們走如下的流程：

訪問用戶網(wǎng)站-->用戶網(wǎng)站檢測到未登錄跳轉(zhuǎn)到login-->puppeteer控制瀏覽器自動登錄后跳轉(zhuǎn)到真正需要抓取的頁面，可用如下偽代碼來說明：

const puppeteer = require("puppeteer");
async autoLogin =(url)=>{
   const browser = await puppeteer.launch();
   const page =await browser.newPage();
   await page.goto(url);
   await page.waitForNavigation();

   //登錄
   await page.type('#username',"用戶提供的用戶名");
   await page.type('#password','用戶提供的密碼');

   await page.click('#btn_login');

  //頁面登錄成功后，需要保證redirect 跳轉(zhuǎn)到請求的頁面
   await page.waitForNavigation();

   return await page.content();
}

登錄與否都可以查看頁面，只是登錄后看到內(nèi)容會所有不同 （各種電商或者portal頁面）

這種情況處理會比較簡單一些，可以簡單的認(rèn)為是如下步驟：

通過puppeteer啟動瀏覽器打開請求頁面-->點(diǎn)擊登錄按鈕-->輸入用戶名和密碼登錄 -->重新加載頁面

基本代碼如下圖：

const puppeteer = require("puppeteer");
async autoLoginV2 =(url)=>{
   const browser = await puppeteer.launch();
   const page =await browser.newPage();
   await page.goto(url);

   await page.click('#btn_show_login');

   //登錄
   await page.type('#username',"用戶提供的用戶名");
   await page.type('#password','用戶提供的密碼');

   await page.click('#btn_login');

  //頁面登錄成功后，是否需要reload 根據(jù)實(shí)際情況來確定
   await page.reload();

   return await page.content();
}

總結(jié)

明天總結(jié)吧，今天下班了。

補(bǔ)充（還昨天的債）：基于puppeteer雖然可以很友好的抓取頁面內(nèi)容，但是也存在這很多的局限

1.抓取的內(nèi)容為渲染后的原始html，即資源路徑（css、image、javascript）等都是相對路徑，保存到本地后無法正常顯示，需要特殊處理（js不需要特殊處理，甚至可以移除，因?yàn)殇秩镜慕Y(jié)構(gòu)已經(jīng)完成）

2.通過puppeteer抓取頁面性能會比直接http get 性能會差一些，因?yàn)槎嗔虽秩镜倪^程

3.同樣無法保證頁面的完整性，只是很大的提高了完整的概率，雖然通過page對象提供的各種wait 方法能夠解決這個問題，但是網(wǎng)站不同，處理方式就會不同，無法復(fù)用。

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評論