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 > ${previousHeight}`);
await page.waitFor(scrollDelay);
}
} catch(e) { }
return items;
}
(async () => {
// Set up browser and page.
const browser = await puppeteer.launch({
headless: false,
args: ['--no-sandbox', '--disable-setuid-sandbox'],
});
const page = await browser.newPage();
page.setViewport({ width: 1280, height: 926 });
// Navigate to the demo page.
await page.goto(SUBREDDIT(SUBREDDIT_NAME));
// Scroll and extract items from the page.
const items = await scrapeInfiniteScrollItems(page, extractItems, 100);
// Save extracted items to a file.
fs.writeFileSync('./items.txt', items.join('\n') + '\n');
// Close the browser.
await browser.close();
})();
我希望有一个文本文件,该文本文件包含100个首次找到的标题,但是仅当我将subreddit硬编码到extractItems()函数中时,该文件才起作用。
答案 0 :(得分:2)
问题是extractItems
函数被转换为字符串(不处理模板文字)并在没有SUBREDDIT_NAME
变量的页面上下文中执行。
您可以通过执行以下操作来解决此问题:
function extractItems(name) {
const extractedElements = document.querySelectorAll(`a[href*='r/${name}/comments/'] h3`);
const items = [];
for (let element of extractedElements) {
items.push(element.innerText);
}
return items;
}
page.evaluate(`(${extractItems})(${SUBREDDIT_NAME})`)