Question

我正在尝试使用Node和Puppeteer创建一个简单的webscraper来获取reddit上的帖子标题，但是在仅从一个函数extractItems（）中访问全局变量SUBREDDIT_NAME时遇到了问题。它可以与其他所有功能一起正常工作，但是为此，我必须制作一个具有相同值的局部变量才能起作用。

我完全误解了Javascript中的变量范围吗？

我已经尝试了所有可以想到的方法，唯一可行的方法是在extractItems（）中创建一个值为“ news”的局部变量，否则我什么也没得到。

const fs = require('fs');
const puppeteer = require('puppeteer');
const SUBREDDIT = (subreddit_name) => `https://reddit.com/r/${subreddit_name}/`;
const SUBREDDIT_NAME= "news";


function extractItems() {
  const extractedElements = document.querySelectorAll(`a[href*='r/${SUBREDDIT_NAME}/comments/'] h3`);
  const items = [];
  for (let element of extractedElements) {
    items.push(element.innerText);
  }
  return items;
}

async function scrapeInfiniteScrollItems(
  page,
  extractItems,
  itemTargetCount,
  scrollDelay = 1000,
) {
  let items = [];
  try {
    let previousHeight;5
    while (items.length < itemTargetCount) {
      items = await page.evaluate(extractItems);
      previousHeight = await page.evaluate('document.body.scrollHeight');
      await page.evaluate('window.scrollTo(0, document.body.scrollHeight)');
      await page.waitForFunction(`document.body.scrollHeight > ${previousHeight}`);
      await page.waitFor(scrollDelay);
    }
  } catch(e) { }
  return items;
}

(async () => {
  // Set up browser and page.
  const browser = await puppeteer.launch({
    headless: false,
    args: ['--no-sandbox', '--disable-setuid-sandbox'],
  });
  const page = await browser.newPage();
  page.setViewport({ width: 1280, height: 926 });

  // Navigate to the demo page.
  await page.goto(SUBREDDIT(SUBREDDIT_NAME));

  // Scroll and extract items from the page.
  const items = await scrapeInfiniteScrollItems(page, extractItems, 100);

  // Save extracted items to a file.
  fs.writeFileSync('./items.txt', items.join('\n') + '\n');

  // Close the browser.
  await browser.close();
})();

我希望有一个文本文件，该文本文件包含100个首次找到的标题，但是仅当我将subreddit硬编码到extractItems（）函数中时，该文件才起作用。

Answer 1

问题是extractItems函数被转换为字符串（不处理模板文字）并在没有SUBREDDIT_NAME变量的页面上下文中执行。

您可以通过执行以下操作来解决此问题：

function extractItems(name) {
  const extractedElements = document.querySelectorAll(`a[href*='r/${name}/comments/'] h3`);
  const items = [];
  for (let element of extractedElements) {
    items.push(element.innerText);
  }
  return items;
}

page.evaluate(`(${extractItems})(${SUBREDDIT_NAME})`)

JS无法访问函数内部的全局变量

1 个答案: