mindrally/puppeteer-automation

¿Qué hace puppeteer-automation?

Guía experta para la automatización del navegador con Puppeteer, incluyendo mejores prácticas para extracción de datos web, pruebas, captura de pantallas y ejecución de JavaScript en Chrome sin interfaz gráfica.

Instalación

Para usar Puppeteer, instala la biblioteca desde npm:

npm install puppeteer

O si prefieres usar Puppeteer con Chromium empaquetado:

npm install puppeteer-core

Configuración básica

Importa y lanza un navegador:

const puppeteer = require('puppeteer');

(async () => {
  const browser = await puppeteer.launch({
    headless: true,
    args: ['--no-sandbox', '--disable-setuid-sandbox']
  });
  const page = await browser.newPage();
  await page.goto('https://ejemplo.com');
  // ... operaciones
  await browser.close();
})();

Principales funcionalidades

Navegación y espera de elementos

• Usa page.waitForSelector() para esperar a que un elemento esté presente.
• Evita tiempos de espera fijos; prefiere selectores dinámicos.
• Configura timeout en opciones de navegación.

Captura de pantallas

await page.screenshot({ path: 'captura.png', fullPage: true });

Extracción de datos

const titulo = await page.title();
const texto = await page.$eval('h1', el => el.textContent);

Ejecutar JavaScript en la página

const resultado = await page.evaluate(() => {
  return document.querySelectorAll('a').length;
});

Mejores prácticas

• Utiliza puppeteer-extra y puppeteer-extra-plugin-stealth para evitar detección.
• Maneja errores con try/catch y cierra el navegador en finally.
• Configura headless: 'new' para usar el nuevo modo headless de Chrome.
• Limita la cantidad de navegadores abiertos simultáneamente para ahorrar recursos.

Variables de entorno útiles

• PUPPETEER_EXECUTABLE_PATH: Ruta al binario de Chromium.
• PUPPETEER_SKIP_CHROMIUM_DOWNLOAD: Evita descargar Chromium durante la instalación.

Enlaces de referencia

• Documentación oficial de Puppeteer
• GitHub - puppeteer/puppeteer

Notas sobre seguridad

• No abras páginas no confiables sin restricciones.
• Usa page.setRequestInterception() para bloquear solicitudes innecesarias.
• En entornos de pruebas, prefiere contenedores aislados.