ヘッドレスブラウザトラフィックの最適化：効率的なデータスクレイピングのためのPuppeteerによるコスト削減戦略

import puppeteer from 'puppeteer-core';

const scrapelessUrl = 'wss://browser.scrapeless.com/browser?token=your_api_key&session_ttl=180&proxy_country=ANY';

async function scrapeWithResourceBlocking(url) {
    const browser = await puppeteer.connect({
        browserWSEndpoint: scrapelessUrl,
        defaultViewport: null
    });
    const page = await browser.newPage();

    // リクエストのインターセプトを有効にする
    await page.setRequestInterception(true);

    // ブロックするリソースタイプを定義
    const BLOCKED_TYPES = new Set([
        'image',
        'font',
        'media',
        'stylesheet',
    ]);

    // リクエストをインターセプト
    page.on('request', (request) => {
        if (BLOCKED_TYPES.has(request.resourceType())) {
            request.abort();
            console.log(`ブロックされました: ${request.resourceType()} - ${request.url().substring(0, 50)}...`);
        } else {
            request.continue();
        }
    });

    await page.goto(url, {waitUntil: 'domcontentloaded'});

    // データを抽出
    const data = await page.evaluate(() => {
        return {
            title: document.title,
            content: document.body.innerText.substring(0, 1000)
        };
    });

    await browser.close();
    return data;
}

// 使用例
scrapeWithResourceBlocking('https://www.scrapeless.com');

import puppeteer from 'puppeteer-core';

const scrapelessUrl = 'wss://browser.scrapeless.com/browser?token=your_api_key&session_ttl=180&proxy_country=ANY';

async function scrapeWithUrlBlocking(url) {
    const browser = await puppeteer.connect({
        browserWSEndpoint: scrapelessUrl,
        defaultViewport: null
    });
    const page = await browser.newPage();

    // リクエストインターセプションを有効にする
    await page.setRequestInterception(true);

    // ブロックするドメインとURLパターンを定義
    const BLOCKED_DOMAINS = [
        'google-analytics.com',
        'googletagmanager.com',
        'doubleclick.net',
        'facebook.net',
        'twitter.com',
        'linkedin.com',
        'adservice.google.com',
    ];

    const BLOCKED_PATHS = [
        '/ads/',
        '/analytics/',
        '/pixel/',
        '/tracking/',
        '/stats/',
    ];

    // リクエストをインターセプト
    page.on('request', (request) => {
        const url = request.url();

        // ドメインを確認
        if (BLOCKED_DOMAINS.some(domain => url.includes(domain))) {
            request.abort();
            console.log(`ブロックされたドメイン: ${url.substring(0, 50)}...`);
            return;
        }

        // パスを確認
        if (BLOCKED_PATHS.some(path => url.includes(path))) {
            request.abort();
            console.log(`ブロックされたパス: ${url.substring(0, 50)}...`);
            return;
        }

        // その他のリクエストを許可
        request.continue();
    });

    await page.goto(url, {waitUntil: 'domcontentloaded'});

    // データを抽出
    const data = await page.evaluate(() => {
        return {
            title: document.title,
            content: document.body.innerText.substring(0, 1000)
        };
    });

    await browser.close();
    return data;
}

// 使用例
scrapeWithUrlBlocking('https://www.scrapeless.com')
    .then(data => console.log('スクレイピング結果:', data))
    .catch(error => console.error('スクレイピング失敗:', error));

const iPhoneX = {
    viewport: {
        width: 375,
        height: 812,
        deviceScaleFactor: 3,
        isMobile: true,
        hasTouch: true,
        isLandscape: false
    }
};

import { KnownDevices } from 'puppeteer-core';
const iPhone = KnownDevices['iPhone 15 Pro'];

const browser = await puppeteer.launch();
const page = await browser.newPage();
await page.emulate(iPhone);

const scrapelessUrl = 'wss://browser.scrapeless.com/browser?token=your_api_key&session_ttl=180&proxy_country=ANY';

async function optimizedScraping(url) {
  console.log(`最適化されたスクレイピングを開始します: ${url}`);

  // トラフィック使用量を記録
  let totalBytesUsed = 0;

  const browser = await puppeteer.connect({
    browserWSEndpoint: scrapelessUrl,
    defaultViewport: null
  });

  const page = await browser.newPage();

  // リクエストのインターセプションを設定
  await page.setRequestInterception(true);

  // リクエストをインターセプト
  page.on('request', (request) => {
    request.continue();
  });

  // ネットワークトラフィックを監視
  page.on('response', async (response) => {
    const headers = response.headers();
    const contentLength = headers['content-length'] ? parseInt(headers['content-length'], 10) : 0;
    totalBytesUsed += contentLength;
  });

  await page.goto(url, {waitUntil: 'domcontentloaded'});

  // 遅延読み込みコンテンツをトリガーするためにスクロールをシミュレート
  await page.evaluate(() => {
    window.scrollBy(0, window.innerHeight);
  });

  await new Promise(resolve => setTimeout(resolve, 1000))

  // データを抽出
  const data = await page.evaluate(() => {
    return {
      title: document.title,
      content: document.body.innerText.substring(0, 1000),
      links: Array.from(document.querySelectorAll('a')).slice(0, 10).map(a => ({
        text: a.innerText,
        href: a.href
      }))
    };
  });

  // トラフィック使用状況統計を出力
  console.log(`\nトラフィック使用状況統計:`);
  console.log(`使用量: ${(totalBytesUsed / 1024 / 1024).toFixed(2)} MB`);

  await browser.close();
  return data;
}

// 使用例
optimizedScraping('https://www.scrapeless.com')
  .then(data => console.log('スクレイピング完了:', data))
  .catch(error => console.error('スクレイピング失敗:', error));