概述
我正在尝试用PhantomJS和pjscrape框架创建一个非常基本的刮刀。
我的代码
pjs.config({
timeoutInterval: 6000,
timeoutLimit: 10000,
format: 'csv',
csvFields: ['productTitle','price'],
writer: 'file',
outFile: 'D:\\prod_details.csv'
});
pjs.addSuite({
title: 'ChainReactionCycles Scraper',
url: productURLs, //This is an array of URLs, two example are defined below
scrapers: [
function() {
var results [];
var linkTitle = _pjs.getText('#ModelsDisplayStyle4_LblTitle');
var linkPrice = _pjs.getText('#ModelsDisplayStyle4_LblMinPrice');
results.push([linkTitle[0],linkPrice[0]]);
return results;
}
]
});
已使用的URL数组
第一个数组无法正常工作并在第3个或第4个网址后失败。
var productURLs = ["8649","17374","7327","7325","14892","8650","8651","14893","18090","51318"];
for(var i=0;i<productURLs.length;++i){
productURLs[i] = 'http://www.chainreactioncycles.com/Models.aspx?ModelID=' + productURLs[i];
}
第二个数组 WORKS 并且不会失败,即使它来自同一个站点。
var categoriesURLs = ["304","2420","965","518","514","1667","521","1302","1138","510"];
for(var i=0;i<categoriesURLs.length;++i){
categoriesURLs[i] = 'http://www.chainreactioncycles.com/Categories.aspx?CategoryID=' + categoriesURLs[i];
}
问题
在迭代productURLs
时,PhantomJS page.open
可选回调会自动假定失败。即使页面尚未完成加载。
我知道这一点,因为我在运行HTTP调试器时启动了脚本,即使在PhantomJS报告页面加载失败之后,HTTP请求仍在运行。
但是,与categoriesURLs
一起运行时,代码可以正常工作。
假设
可能的解决方案
这些是我迄今为止尝试过的解决方案。
page.options.loadImages = false
timeoutInterval
中设置较大的pjs.config
这显然无用,因为生成的错误是page.open
失败而非超时失败。有什么想法吗?
答案 0 :(得分:2)
问题是由PhantomJS引起的。 这已经解决了。
我现在使用PhantomJS v2.0。