Puppeteer

Agent Browser proporciona una plataforma de alto rendimiento y sin servidores diseñada para simplificar el proceso de extracción de datos de sitios web dinámicos. A través de la integración perfecta con Puppeteer, los desarrolladores pueden ejecutar, gestionar y supervisar navegadores sin cabeza sin necesidad de un servidor dedicado, lo que permite una automatización web y recopilación de datos eficientes.

Instalación de las bibliotecas necesarias

Primero, instale puppeteer-core, una versión ligera de Puppeteer diseñada para conectarse a instancias de navegador existentes:

npm install puppeteer-core

Escritura de código para conectarse a Agent Browser

En su código Puppeteer, conéctese a Agent Browser utilizando lo siguiente:

const { Puppeteer } = require('@scrapeless-ai/sdk');
 
(async () => {
    const browser = await Puppeteer.connect({
        apiKey: 'Your API key',
        sessionName: 'sdk_test',
        sessionTTL: 180,
        proxyCountry: 'US',
        sessionRecording: true,
        defaultViewport: null
    });
 
    const page = await browser.newPage();
    await page.goto('https://www.scrapeless.com');
    console.log(await page.title());
    await browser.close();
})();

Esto le permite aprovechar la infraestructura de Agent Browser, incluyendo escalabilidad, rotación de IP y acceso global.

Ejemplos prácticos

Estas son algunas operaciones comunes de Puppeteer después de integrar Agent Browser:

Navegación y extracción de contenido de página

const page = await browser.newPage();
await page.goto('https://www.example.com');
console.log(await page.title());
const html = await page.content();
console.log(html);
await browser.close();

Captura de pantallas

const page = await browser.newPage();
await page.goto('https://www.example.com');
await page.screenshot({ path: 'example.png' });
console.log('Screenshot saved as example.png');
await browser.close();

Ejecución de código personalizado

const page = await browser.newPage();
await page.goto('https://www.example.com');
const result = await page.evaluate(() => document.title);
console.log('Page title:', result);
await browser.close();

Simula un clic de ratón.

const { createPuppeteerCDPSession } = require('@scrapeless-ai/sdk');
// ... connect to Agent Browser as shown above
const cdpSession = await createPuppeteerCDPSession(page);
await cdpSession.realClick('button[type="submit"]');

Simular entrada de teclado.

const { createPuppeteerCDPSession } = require('@scrapeless-ai/sdk');
// ... connect to Agent Browser as shown above
const cdpSession = await createPuppeteerCDPSession(page);
await cdpSession.realFill('#login-email', 'scrapeless@gmail.com');

Obtener la URL actual de la página usando Scrapeless Agent

const { createPuppeteerCDPSession } = require('@scrapeless-ai/sdk');
// ... connect to Agent Browser as shown above
const cdpSession = await createPuppeteerCDPSession(page);
const { error, liveURL } = await cdpSession.liveURL();

Resolver CAPTCHA de imagen

const { createPuppeteerCDPSession } = require('@scrapeless-ai/sdk');
// ... connect to Agent Browser as shown above
const cdpSession = await createPuppeteerCDPSession(page);
await cdpSession.imageToText({
  imageSelector: '.captcha__image',
  inputSelector: 'input[name="captcha"]',
  timeout: 30000,
});

Deshabilitar la resolución automática de CAPTCHA

const { createPuppeteerCDPSession } = require('@scrapeless-ai/sdk');
// ... connect to Agent Browser as shown above
const cdpSession = await createPuppeteerCDPSession(page);
await cdpSession.disableCaptchaAutoSolve();

Resolver manualmente un CAPTCHA con opciones especificadas

const { createPuppeteerCDPSession } = require('@scrapeless-ai/sdk');
// ... connect to Agent Browser as shown above
const cdpSession = await createPuppeteerCDPSession(page);
await cdpSession.solveCaptcha();

Esperar a que se detecte un CAPTCHA en la página

const { createPuppeteerCDPSession } = require('@scrapeless-ai/sdk');
// ... connect to Agent Browser as shown above
const cdpSession = await createPuppeteerCDPSession(page);
await cdpSession.waitCaptchaDetected({ timeout: 30000 });

Esperar a que se resuelva un CAPTCHA (ya sea con éxito o fallido)

const { createPuppeteerCDPSession } = require('@scrapeless-ai/sdk');
// ... connect to Agent Browser as shown above
const cdpSession = await createPuppeteerCDPSession(page);
await cdpSession.waitCaptchaSolved({ timeout: 30000 });

Primeros pasos Conectar con Playwright