我的目标是打开很多页面(延迟很短)并将我的数据保存到一个文件中。
但是我的代码不起作用。
var gamesList = [url1,url2,url3];
//gamesList is getting from a file
var urls = [];
var useragent = [];
useragent.push('Opera/9.80 (Windows NT 6.0) Presto/2.12.388 Version/12.14');
useragent.push('Opera/9.80 (X11; Linux x86_64; U; fr) Presto/2.9.168 Version/11.50');
var page = require('webpage').create();
page.settings.userAgent = useragent[Math.floor(Math.random() * useragent.length)];
console.log('Loading a web page');
function handle_page(url){
page.open(url,function(){
//...
var html= page.evaluate(function(){
// ...do stuff...
page.injectJs('jquery.min.js');
return $('body').html();
});
//save to file
var file = fs.open('new_test.txt', "w");
file.write(html + '\n');
file.close();
console.log(html);
setTimeout(next_page,1000);
});
}
function next_page(urls){
var url=urls.shift();
if(!urls){
phantom.exit(0);
}
handle_page(url);
}
next_page(urls);
phantom.exit();
我在哪里写 phantom.exit();
重要吗?如果我最后在 page.open()
回调中编写它,那么第一个页面打开得很好。
最佳答案
你用递归打开多个页面的想法是正确的,但是你有一些问题。
退出
正如您正确指出的那样,phantom.exit()
有问题。由于 page.open()
和 setTimeout()
是异步的,你只需要在完成后退出。当您在脚本末尾调用 phantom.exit()
时,您甚至在第一页加载之前就退出了。
只需删除最后一个 phantom.exit()
,因为您已经在正确的位置有另一个导出。
页面上下文
page.evaluate()
提供对 DOM 上下文(页面上下文)的访问。问题是它是沙盒的。在该回调内部,您无权访问外部定义的变量。您可以显式传递变量,但它们必须是 page
不是的原始对象。您只需访问 page.evaluate()
中的 page
。您需要在调用 page.evaluate()
之前注入(inject) jQuery。
文件
您通过不更改文件名来在每次迭代中覆盖文件。您需要更改文件名或使用附加模式 'a'
而不是 'w'
。
那么当你只想写一次时就不需要打开一个流。变化:
var file = fs.open('new_test.txt', "w");
file.write(html + '\n');
file.close();
到
fs.write('new_test.txt', html + '\n', 'a');
递归步骤
调用 next_page()
函数的递归步骤要求您传入 url。由于 urls
已经是一个全局变量并且您在每次迭代中更改它,因此您不需要传入 urls
。
您也不需要添加 setTimeout()
,因为 page.open()
回调之前的所有内容都是同步的。
固定脚本
//...
var urls = [/*....*/];
function handle_page(url){
page.open(url, function(){
//...
page.injectJs('jquery.min.js');
var html = page.evaluate(function(){
// ...do stuff...
return $('body').html();
});
//save to file
fs.write('new_test.txt', html + '\n', 'a');
console.log(html);
next_page();
});
}
function next_page(){
var url = urls.shift();
if(!url){
phantom.exit(0);
}
handle_page(url);
}
next_page();
关于javascript - 在一个脚本中使用多个 page.open,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31188021/