我正在尝试使用Casperjs从页面获取链接列表,然后打开每个链接,并从这些页面向数组对象添加特定类型的数据。
我遇到的问题是在每个列表项上执行的循环。
首先我从原始页面获得listOfLinks
。这部分工作和使用长度,我可以检查这个列表是否已填充。
但是,使用如下所示的循环语句this.each
,没有任何控制台语句出现,并且casperjs似乎跳过此块。
用标准的for循环替换this.each
,执行只能通过第一个链接的一部分,作为语句"在x.html"的对象中创建新数组出现一次然后代码停止执行。使用IIFE不会改变这种情况。
编辑:在详细调试模式下会发生以下情况:
Creating new array object for https://example.com
[debug] [phantom] Navigation requested: url=about:blank, type=Other, willNavigate=true, isMainFrame=true
因此,由于某种原因,传递给thenOpen函数的URL变为空白...
我觉得Casperjs的异步性质有些让我感到不舒服,并希望能够指出一个有效的例子。
casper.then(function () {
var date = Date.now();
console.log(date);
var object = {};
object[date] = {}; // new object for date
var listOfLinks = this.evaluate(function(){
console.log("getting links");
return document.getElementsByClassName('importantLink');
});
console.log(listOfLinks.length);
this.each(listOfLinks, function(self, link) {
var eachPageHref = link.href;
console.log("Creating new array in object for " + eachPageHref);
object[date][eachPageHref] = []; // array for page to store names
self.thenOpen(eachPageHref, function () {
var listOfItems = this.evaluate(function() {
var items = [];
// Perform DOM manipulation to get items
return items;
});
});
object[date][eachPageHref] = items;
});
console.log(JSON.stringify(object));
});
答案 0 :(得分:4)
我决定使用我们自己的Stackoverflow.com作为演示站点来运行您的脚本。我在代码中纠正了一些小问题,结果就是从PhantomJS赏金问题中获得评论。
public class TestInterrupt
{
public static volatile boolean shouldTerminate = false;
public static void main(final String[] args) throws InterruptedException
{
int i = 0;
while (++i < 100)
{
Thread.sleep(1000);
if(shouldTerminate) {
break;
}
}
// write data to file here.
}
}
更改内容:var casper = require('casper').create();
casper
.start()
.open('http://stackoverflow.com/questions/tagged/phantomjs?sort=featured&pageSize=30')
.then(function () {
var date = Date.now(), object = {};
object[date] = {};
var listOfLinks = this.evaluate(function(){
// Getting links to other pages to scrape, this will be
// a primitive array that will be easily returned from page.evaluate
var links = [].map.call(document.querySelectorAll("#questions .question-hyperlink"), function(link) {
return link.href;
});
return links;
});
// Now to iterate over that array of links
this.each(listOfLinks, function(self, eachPageHref) {
object[date][eachPageHref] = []; // array for page to store names
self.thenOpen(eachPageHref, function () {
// Getting comments from each page, also as an array
var listOfItems = this.evaluate(function() {
var items = [].map.call(document.getElementsByClassName("comment-text"), function(comment) {
return comment.innerText;
});
return items;
});
object[date][eachPageHref] = listOfItems;
});
});
// After each links has been scraped, output the resulting object
this.then(function(){
console.log(JSON.stringify(object));
});
})
casper.run();
现在返回简单数组,这是casper.each()正确迭代所需的数组。 {page 1}}中会立即提取page.evaluate
个属性。还有这个修正:
href
脚本运行的结果是
object[date][eachPageHref] = listOfItems; // previously assigned items which were undefined in this scope
答案 1 :(得分:3)
您正在evaluate()
函数中返回 DOM节点,这是不允许的。您可以改为返回实际的网址。
注意: evaluate函数的参数和返回值必须是一个简单的原始对象。经验法则:如果它可以通过JSON序列化,那就没关系了。
闭包,函数,DOM节点等不起作用!
答案 2 :(得分:1)
如果我理解你的问题,要解决,给项目[]一个全球范围。在您的代码中,我会做以下事情:
var items = [];
this.each(listOfLinks, function(self, link) {
var eachPageHref = link.href;
console.log("Creating new array in object for " + eachPageHref);
object[date][eachPageHref] = []; // array for page to store names
self.thenOpen(eachPageHref, function () {
this.evaluate(function() {
// Perform DOM manipulation to get items
items.push(whateverThisItemIs);
});
});
希望这有帮助。