javascript - 我怎样才能让这个node.js函数返回一个值

标签 javascript node.js callback

以下代码是soupselect demo example的修改。 它基本上获取一些 html 并打印链接列表并将它们存储在变量中:

crawl = function(host)
    var select = require('soupselect').select,
        htmlparser = require("htmlparser"),
        http = require('http'),
        sys = require('sys');

    // fetch some HTML...
    var http = require('http');
    var client = http.createClient(80, host);
    var request = client.request('GET', '/',{'host': host});

    var newPages = []

    request.on('response', function (response) {
        response.setEncoding('utf8');

        var body = "";
        response.on('data', function (chunk) {
            body = body + chunk;
        });

        response.on('end', function() {

            // now we have the whole body, parse it and select the nodes we want...
            var handler = new htmlparser.DefaultHandler(function(err, dom) {
                if (err) {
                    sys.debug("Error: " + err);
                } else {

                    // soupselect happening here...
                    var titles = select(dom, 'a.title');

                    sys.puts("Top stories from reddit");
                    titles.forEach(function(title) {
                        sys.puts("- " + title.children[0].raw + " [" + title.attribs.href + "]\n");
                        newPages.push(title.attribs.href);
                    })
                }
            });

            var parser = new htmlparser.Parser(handler);
            parser.parseComplete(body);
        });
    });
    request.end();
}

我真正想要的是这个函数返回newPages 我希望能够说 newPages = scrap(host);问题是我不确定这是否有意义或将 return 语句放在哪里。我看到 newPages 在请求结束前存在,但在请求结束后为空。

如何使该函数的返回值为 newPages

最佳答案

我喜欢使用 requestcheerioasync 模块来抓取网站。这段代码较短,我认为更具可读性。

var request = require('request');
var cheerio = require('cheerio');
var async   = require('async');

function crawl(url, contentSelector, linkSelector, callback) {
    var results = [];
    var visited = {};

    var queue = async.queue(crawlPage, 5); // crawl 5 pages at a time
    queue.drain = callback; // will be called when finished

    function crawlPage(url, done) {
        // make sure to visit each page only once
        if (visited[url]) return done(); else visited[url] = true;

        request(url, function(err, response, body) {
            if (!err) {
                var $ = cheerio.load(body); // "jQuery"
                results = results.concat(contentSelector($)); // add something to the results
                queue.push(linkSelector($)); // add links found on this page to the queue
            }
            done();
        });
    }
}

function getStoryTitles($) {
    return $('a.title').map(function() { return $(this).text(); });
}

function getStoryLinks($) {
    return $('a.title').map(function() { return $(this).attr('href'); });
}

crawl('http://www.reddit.com', getStoryTitles, getStoryLinks, function(stories) {
    console.log(stories); // all stories!
});

最后你会得到一个包含你最初可能想要的所有故事的数组,这只是一种不同的语法。您可以更新您的函数以使其表现类似,就像 AndyD 建议的那样。

将来,您将能够使用生成器,它可以让您无需回调函数即可获取故事,这更像您想要的。请参阅this article了解更多详情。

function* crawl(url) {
    // do stuff
    yield story;
}

var crawler = crawl('http://www.reddit.com');
var firstStory = crawler.next();
var secondStory = crawler.next();
// ...

关于javascript - 我怎样才能让这个node.js函数返回一个值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/17441535/

相关文章:

node.js - 在 Node JS 请求中发送未解析的数据

c++ - 使用回调中的值更新 std::vector 的 GUI slider 的动态数量

javascript - Web 应用程序是用什么语言编写的?

javascript - NodeJS 是异步的,我的代码没有按照我期望的顺序运行

javascript - 如果调用了 .bind() 函数,是否无法判断函数是否为生成器函数?

javascript - 如何设置Websocket与客户端和服务器发送事件服务器通信?

ios - 如何在 Next ViewController 中结束完成 block

javascript - 对 SQL 查询进行排队

javascript - CSS究竟是如何工作的?

javascript - 鼠标悬停时使用 iFrame 打开弹出窗口