获取链接网址

Question

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？

Answer 1

获取链接网址

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。

注册链接超时

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);
            }
        });
    });
});

如何使用Casperjs检查网页中的损坏链接？

1 个答案:

获取链接网址

注册链接超时