javascript - 如何使用 Puppeteer 返回不在页面源中的元素

Question

我尝试使用以下代码从页面返回一些信息来选择页面元素并返回其中的一些值:

const puppeteer = require('puppeteer');

function run (numberOfPages) {
    return new Promise(async (resolve, reject) => {
        try {
            if (!numberOfPages) {
                numberOfPages = 1;
            }
            const browser = await puppeteer.launch();
            const page = await browser.newPage();
            await page.setRequestInterception(true);
            page.on('request', (request) => {
                if (request.resourceType() === 'document') {
                    request.continue();
                } else {
                    request.abort();
                }
            });
            await page.goto('https://careers.google.com/jobs/results/');
            let currentPage = 1;
            let urls=[];
            while (currentPage <= numberOfPages) {
                await page.waitForSelector('a.gc-card');
                let newUrls = await page.evaluate(() => {
                    let results = [];
                    let items = document.querySelectorAll('a.gc-card');
                    items.forEach((item) => {
                        results.push({
                            jobTitle: item.innerText,
                            url: item.getAttribute('href')
                        });
                    });
                    return results;
                });
                urls = urls.concat(newUrls);
                if (currentPage < pagesToScrape) {
                    await Promise.all([
                        await page.waitForSelector('a.gc-link gc-link--on-grey gc-action-group__item gc-h-larger-tap-target'),
                        await page.click('a.gc-link gc-link--on-grey gc-action-group__item gc-h-larger-tap-target'),
                        await page.waitForSelector('a.gc-link gc-link--on-grey gc-action-group__item gc-h-larger-tap-target')
                    ])
                }
                currentPage++;
                await page.waitFor(500);
            }
            browser.close();
            return resolve(urls);
        } catch (e) {
            return reject(e);
        }
    })
}
run(1).then(console.log).catch(console.error);

我可以在开发工具中使用检查看到类gc-card在页面加载时出现在dom中，但由于某种原因await page.waitForSelector('a.gc -card'); 每次运行代码都会超时。不完全确定其原因，但认为这可能与通过脚本加载页面的大部分页面正文有关。

期望的结果是返回一个包含页面上所有职位名称和 URL 的数组。

Answer 1

您甚至请求中止网站运行所需的所有 JavaScript 文件。

page.on('request', (request) => {
   if (request.resourceType() === 'document') {
      request.continue();
   } else {
      request.abort();
   }
});

与其只允许一个文档，不如以消极的方式思考并停止您确定不需要的请求。