我有以下代码,可以从特定网站提取所有请求(获取所有图像、CSS、脚本、字体...)
var totalRequests = 0;
puppeteer.launch().then(async browser => {
const page = await browser.newPage();
await page.setRequestInterception(true);
page.on('request', interceptedRequest => {
interceptedRequest.continue();
});
page.on('response', response => {
totalRequests = totalRequests + 1;
console.log('Url: ' + response.url());
});
await page.goto('https://stackoverflow.com');
await browser.close().then(() => {
res.send('Requests: ' + totalRequests);
});
太好了,在控制台中我可以看到来自 stackoverflow.com 的所有 URL(Css 文件、图像文件、字体文件和 Javascript 文件)以及请求的总文件(在本例中我看到31 个请求),但由于某种原因,我最终注意到此代码并未返回所有页面请求。
如果我们转到 Google Chrome,按 F12,转到网络部分并重新加载页面(假设您位于网址 https://stackoverflow.com ),我们将看到总共 39-40 个请求文件。
问题是我的代码只返回 30 到 31 个请求,并且在控制台中我看不到像 Chrome 上那样显示的所有链接。可能会发生什么?我该怎么做才能返回所有请求,如 Google Chrome 中所示?
最佳答案
主要问题
对于 stackoverflow.com
,加载的资源数量取决于浏览器窗口的大小。如果您的视口(viewport)允许,stackoverflow 会向您展示广告(在右侧边栏)。但只有当你的视口(viewport)大小足够宽时,相应的资源(JavaScript、图像等)才会被加载。您可以自己尝试一下,减小窗口的大小,直到隐藏右侧边栏,然后重新加载页面。 DevTools 将向您显示不同数量的已加载资源。
示例代码
以下示例演示如何通过设置 defaultViewport
属性来模拟更大的浏览器窗口。请注意,我在本例中完全使用了async/await语法,并且删除了page.setRequestInterception
调用,因为response
事件也将没有它就被触发(只有当你确实想修改请求或响应时才需要使用它)。
const puppeteer = require('puppeteer');
(async () => {
const browser = await puppeteer.launch({ // headless: false, devtools: true,
defaultViewport: { width: 1600, height: 800 }
});
const page = await browser.newPage();
var totalRequests = 0;
page.on('response', () => {
totalRequests = totalRequests + 1;
});
await page.goto('https://stackoverflow.com');
console.log(totalRequests);
await browser.close();
})();
这对我来说返回 30
,这仍然不是我们期望的数字 (~40)。
等待所有资源加载完毕
您的代码还有另一个问题。让我们打开 DevTools 看看发生了什么。如果您查看网络选项卡中的 waterfall 图,它看起来像这样:
看到那条红线了吗?这是加载事件。默认page.goto
等待这个事件。但在我们的例子中,实际上有一些文件在事件触发后正在加载(红线右侧的文件)。要等待这些资源加载,我们可以使用 page.goto 函数的选项之一。使用 waitUntil: 'networkidle0'
脚本将等待,直到不再有网络事件。
因此,如果您使用此行从顶部切换 page.goto
行,您应该会看到预期的请求数:
await page.goto('https://stackoverflow.com', { waitUntil: 'networkidle0' });
使用此设置时,上面的代码为我返回 39
,这正是您所期望的。
关于node.js - Puppeteer 不会返回来自特定网站的所有请求,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55910981/