我想使用casperjs检查网页中存在的所有损坏的链接。我写下面的代码,但它不起作用:
casper.then(function() {
var urls=casper.getElementsAttribute('a[href]', 'href');
casper.eachThen(urls, function(response) {
var link=response.data;
this.thenOpen(demourl, function(response) {
if (response == undefined || response.status >= 400) {
this.echo("failed");
}
})
this.on('http.status.404', function(resource) {
this.echo('wait, this url is 404: ' + resource.url);
})
})
})
我的网页包含400多个链接。我的代码没有完成执行,并在一些链接后保持空闲状态。它没有给我任何回应。我不知道为什么会发生这种情况?
答案 0 :(得分:1)
DOM元素的属性和属性之间存在差异。如果您有一个位于http://example.com域内的网站,并且您希望在该网页上获得以下链接的href
<a href="/path/to/stuff">text</a>
如果您使用aElement.getAttribute("href")
,则会获得"/path/to/stuff"
,但如果您使用aElement.href
,则会获得计算出的网址"http://example.com/path/to/stuff"
。只有后者是CasperJS(实际上是PhantomJS)理解的URL。
我告诉你这一点,因为casper.getElementsAttribute()
在内部使用element.getAttribute()
方法生成无法使用casper.thenOpen()
打开的网址。
修复很简单:
var urls = casper.evaluate(function(){
return [].map.call(document.querySelectorAll('a[href]'), function(a){
return a.href;
});
});
此外,您可能希望将casper.on()
事件注册移到casper.eachThen()
来电之上。您不需要在每次迭代中注册事件。
由于某些URL未加载存在问题(可能是因为它们已损坏),您可以使用casper.options.stepTimeout
设置步骤的超时,以便CasperJS不会冻结某些无法恢复的URL。您还需要定义onStepTimeout()
回调,否则CasperJS将退出。
casper.then(function() {
var currentURL;
casper.options.stepTimeout = 10000; // 10 seconds
casper.options.onStepTimeout = function(timeout, stepNum){
this.echo('wait, this url timed out: ' + currentURL);
};
var urls = this.evaluate(function(){
return [].map.call(document.querySelectorAll('a[href]'), function(a){
return a.href;
});
});
this.on('http.status.404', function(resource) {
this.echo('wait, this url is 404: ' + resource.url);
});
urls.forEach(function(link) {
this.then(function(){
currentURL = link;
});
this.thenOpen(link, function(response) {
if (response == undefined || response.status >= 400) {
this.echo("failed: " + link);
}
});
});
});