我在下面的代码中使用了 Node/Puppeteer,传递了一个大的 URL 列表用于遍历和抓取。很难异步地做到这一点,尽管我发现我越来越接近答案了。我目前遇到与以下错误相关的问题。
UnhandledPromiseRejectionWarning:未处理的 promise 拒绝(拒绝 ID:17):错误:协议(protocol)错误(Target.createTarget):目标已关闭。
此错误在 while 循环的每次迭代中发生一次。虽然我不确定我可能做错了什么。
谁能帮我做以下事情:
1) 诊断错误的来源。
2) 可能会找到一种更有效的方式来异步遍历大量 URL。
async function subProc(list, batchSize) {
let subList = null;
let i = 0;
while (list.length > 0) {
let browser = await puppeteer.launch();
subList = list.splice(0, batchSize);
console.log("Master List Size :: " + list.length);
console.log("SubList Size :: " + subList.length);
for (let j = 0; j < subList.length; j++) {
promiseArray.push(new Promise((resolve, reject) => {
resolve(pageScrape(subList[j], browser));
}));
}
Promise.all(promiseArray)
.then(response => {
procArray.concat(response);
});
promiseArray = new Array();
try {
await browser.close();
} catch(ex){
console.log(ex);
}
};
}
async function pageScrape(url, browser) {
let page = await browser.newPage();
await page.goto(url, {
timeout: 0
});
await page.waitFor(1000);
return await page.evaluate(() => {
let appTitle = document.querySelector('').innerText;
let companyName = document.querySelector('').innerText;
let dateListed = document.evaluate("", document, null, XPathResult.FIRST_ORDERED_NODE_TYPE, null).singleNodeValue.innerText;
let category = document.evaluate("']//a//strong", document, null, XPathResult.FIRST_ORDERED_NODE_TYPE, null).singleNodeValue.innerText;
/* */
return {
appTitle,
companyName,
dateListed,
category
}
}).then(response => {
let urlData = {
id: subList[j],
appName: response.appTitle,
companyName: response.companyName,
dateListed: response.dateListed,
category: response.category
}
return urlData;
});
};
最佳答案
我找到了我遇到的问题的解决方案。 每台计算机的处理能力都是有限的,因此您不能同时遍历 1000 个网址,而必须将其分解成更小的部分。
通过使用 PromiseAll,一次迭代和抓取 10 个 url 并将这些值存储在一个数组中,我能够限制迭代所有 1000 个 url 所需的处理。
processBatch(subData, 10, procArray).then((processed)=>{
for(let i = 0; i < procArray.length; i++){
for(let j = 0; j < procArray[i].length; j++){
results.push(procArray[i][j]);
}
}
function processBatch(masterList, batchSize, procArray){
return Promise.all(masterList.splice(0, batchSize).map(async url =>
{
return singleScrape(url)
})).then((results) => {
if (masterList.length < batchSize) {
console.log('done');
procArray.push(results);
return procArray;
} else {
console.log('MasterList Size :: ' + masterList.length);
procArray.push(results);
return processBatch(masterList, batchSize, procArray);
}
})
}
关于web-scraping - Puppeteer/Node - Target.createTarget - 目标关闭,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48705697/