Question

这是我非常基本的脚本，用于抓取给定的URL并获取其中的所有链接。我想在请求函数完成后打印links_arr。但是，这里执行请求回调函数，因此，我打印出一个空数组。我如何同步这样做？即按以下顺序。

请求网址。
Cheerio获取所有链接。
我们遍历所有项目，并将它们插入到links_arr数组中。
打印阵列。

P.S。我知道Node.js意味着异步任务，但这是我需要实现的要求。我读到Promise这样的东西可以帮助我，但是，由于我没有Node的高级知识，我不知道如何实现它。一些帮助将非常感激。我正在使用Request库来进行http请求，使用url进行url解析，使用cheerio进行html解析。

var request = require('request');
var cheerio = require('cheerio');
var url = require('url');
var all_links = [];
var processing = [];
var processed = [];
var base_url = "https://www.npmjs.com";
var base_host = "www.npmjs.com";


var analyze_href_sync = function(u){
    console.log("Analysing URL "+u);
    url_obj = url.parse(u);
    url_formatted = url.format(url_obj);
    if (!url_obj.host) {
        //Relative URL
        resolved_url = url.resolve(base_url, url_formatted);
        return resolved_url;
    } else if (url_obj.protocol.startsWith("http")){
        if (url_obj.host == base_host) {
            return url_formatted;
        } else {
            return false;
        }
    } else {
        return false;
    }
}

var scrape_all_links_sync = function(u){
    console.log("Scraping all links from URL "+u);
    var links_arr = [];
    request(u, function(err, res, body){
        $ = cheerio.load(body);
        links = $('a');
        $(links).each(function(i, link){
            href = $(link).attr('href');
            console.log(href);
            links_arr.push(href);
        });
    });

    console.log(links_arr); //Need to print this, after the above request loopo is complete. i.e. After the array is filled.
}

var store_into_csv_sync = function(u){

}

var insert_into_processing_sync = function(u){

}

var remove_from_processing_sync = function(u){

}

var main = function(u){
    var analyze_url = analyze_href_sync(u);
    if (analyze_url != false) {
        scrape_all_links_sync(analyze_url);
    }
}

main(base_url);

上述脚本的输出是

Analysing URL https://www.npmjs.com
Scraping all links from URL https://www.npmjs.com/
[]
...
*All the other links found*

Answer 1

您需要将console.log(links_arr);放在回调函数中：

var scrape_all_links_sync = function(u){
console.log("Scraping all links from URL "+u);
var links_arr = [];
request(u, function(err, res, body){
    $ = cheerio.load(body);
    links = $('a');
    $(links).each(function(i, link){
        href = $(link).attr('href');
        console.log(href);
        links_arr.push(href);
    });
    console.log(links_arr); //Need to print this, after the above request loop is complete. i.e. After the array is filled.
  });
}

所以只需在声明中移动1行就可以了。

在JavaScript中，我们有3种处理异步代码的方法：

回调
许
基于生成器

因此，您可以选择使用哪一个，也可以混合它们（例如，取决于您使用的库）。您可以阅读more information here。

Answer 2

$(links).each(function(i, link){
            href = $(link).attr('href');
            console.log(href);
            links_arr.push(href);
     if(i==links.length-1)
        console.log(links_arr);  
        });

如何在Node.js中同步使用请求？

2 个答案: