Tối ưu hóa lưu lượng trình duyệt không đầu: Chiến lược giảm chi phí với Puppeteer cho việc thu thập dữ liệu hiệu quả

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();

    // Bật chặn yêu cầu
    await page.setRequestInterception(true);

    // Định nghĩa các loại tài nguyên để chặn
    const BLOCKED_TYPES = new Set([
        'image',
        'font',
        'media',
        'stylesheet',
    ]);

    // Chặn yêu cầu
    page.on('request', (request) => {
        if (BLOCKED_TYPES.has(request.resourceType())) {
            request.abort();
            console.log(`Đã chặn: ${request.resourceType()} - ${request.url().substring(0, 50)}...`);
        } else {
            request.continue();
        }
    });

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

    // Trích xuất dữ liệu
    const data = await page.evaluate(() => {
        return {
            title: document.title,
            content: document.body.innerText.substring(0, 1000)
        };
    });

    await browser.close();
    return data;
}

// Sử dụng
scrapeWithResourceBlocking('https://www.scrapeless.com')

.then(data => console.log('Kết quả thu thập dữ liệu:', data))
    .catch(error => console.error('Thu thập dữ liệu không thành công:', error));

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();

    // Bật chặn yêu cầu
    await page.setRequestInterception(true);

    // Định nghĩa các miền và mẫu URL cần chặn
    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/',
    ];

    // Chặn các yêu cầu
    page.on('request', (request) => {
        const url = request.url();

        // Kiểm tra miền
        if (BLOCKED_DOMAINS.some(domain => url.includes(domain))) {
            request.abort();
            console.log(`Chặn miền: ${url.substring(0, 50)}...`);
            return;
        }

        // Kiểm tra đường dẫn
        if (BLOCKED_PATHS.some(path => url.includes(path))) {
            request.abort();
            console.log(`Chặn đường dẫn: ${url.substring(0, 50)}...`);
            return;
        }

        // Cho phép các yêu cầu khác
        request.continue();
    });

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

    // Trích xuất dữ liệu
    const data = await page.evaluate(() => {
        return {
            title: document.title,
            content: document.body.innerText.substring(0, 1000)
        };
    });

    await browser.close();
    return data;
}

// Sử dụng
scrapeWithUrlBlocking('https://www.scrapeless.com')
    .then(data => console.log('Kết quả thu thập dữ liệu:', data))
    .catch(error => console.error('Thu thập dữ liệu không thành công:', 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 scrapelessUrl = 'wss://browser.scrapeless.com/browser?token=your_api_key&session_ttl=180&proxy_country=ANY';

async function optimizedScraping(url) {
  console.log(`Bắt đầu quét tối ưu: ${url}`);

  // Ghi lại lưu lượng sử dụng
  let totalBytesUsed = 0;

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

  const page = await browser.newPage();

  // Thiết lập chặn yêu cầu
  await page.setRequestInterception(true);

  // Chặn các yêu cầu
  page.on('request', (request) => {
    request.continue();
  });

  // Giám sát lưu lượng mạng
  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'});

  // Giả lập cuộn trang để kích hoạt nội dung tải chậm
  await page.evaluate(() => {
    window.scrollBy(0, window.innerHeight);
  });

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

  // Trích xuất dữ liệu
  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
      }))
    };
  });

  // Xuất thông tin thống kê lưu lượng sử dụng
  console.log(`\nThống kê Lưu lượng Sử dụng:`);
  console.log(`Đã sử dụng: ${(totalBytesUsed / 1024 / 1024).toFixed(2)} MB`);

  await browser.close();
  return data;
}

// Sử dụng
optimizedScraping('https://www.scrapeless.com')
  .then(data => console.log('Quét hoàn tất:', data))
  .catch(error => console.error('Quét không thành công:', error));