javascript - 循环内的“page.evaluate()”(在 Puppeteer 中)返回相同的值

Question

概述: 这不是实际的问题，但我已经简化了问题并将其转换为更容易理解的问题。我得到从 page.evaluate() 返回的相同数据放置在 for...of 内在循环的每次迭代期间循环。我猜是由于闭包，我很久没用JS编程了，所以无法实现IIFE与 async功能。另外，我认为我们无法实现 forEach而不是for...if与 async功能。如果发布的问题太长，我提前道歉，但我想说清楚。

描述: 我正在尝试抓取包含杂货数据的网页。食品杂货的类型(如蔬菜、水果、乳制品、面包店)可以从选择元素(下拉列表)中进行选择。当选择选项时，根据类型显示杂货 list 。

• grocery-choice是让我们选择选项的 select 标签的 id (即select#grocery-choice)
• grocery-item是包含杂货中每个单独商品的数据的 div 类。(即 div.grocery-item )例如: 对于杂货类别 水果 它包含香蕉、苹果等的数据。每个 div 都有一个 <h4>和两个<p>分别表示名称、价格和可用性元素。

我正在循环数组 ( [ 'fruit', 'vegetable', 'bakery'] ) 中的项目，然后将每个项目作为 JSON 添加到数组 grocery_info 中并返回grocery_inf来自page.evaluate() 。 grocery_all是分配返回值的变量。

这是我遇到问题的代码部分。

async function scrape_and_display(item) {
  await page.select("select#grocery-choice", item);
  await page.waitForSelector("div.grocery-item");
  const grocery_all = await page.evaluate((x) => {
    let grocery_info = [];
    let grocery_list = document.querySelectorAll("div.grocery-item");
    grocery_list.forEach((item) => {
      grocery_info.push({
        name: item.getElementsByTagName("h4")[0].innerText,
        price: item.getElementsByTagName("p")[0].innerText,
        availability: item.getElementsByTagName("p")[1].innerText,
      });
    });
    return grocery_info;
  });
  console.log(grocery_all);
}

for (item of ["fruit", "vegetable", "bakery"]) {
  await scrape_and_display(item);
}

所需输出:

[
  { name: 'Banana', price: '$10 / kg', availability: 'In Stock' },
  { name: 'Apple', price: '$20 / kg', availability: 'In Stock' },
  { name: 'Grape', price: '$45 / kg', availability: 'Out of Stock' },
  { name: 'Orange', price: '$10 / kg', availability: 'In Stock' }
]
[
  { name: 'Brocli', price: '$10 / kg', availability: 'In Stock' },
  { name: 'Pumpkin', price: '$15 / kg', availability: 'In Stock' },
  { name: 'Lettuce', price: '$7 / kg', availability: 'In Stock' }
]
[
  { name: 'Bread', price: '$15 / piece', availability: 'In Stock' },
  { name: 'Apple Pie', price: '$20 / piece', availability: 'In Stock' }
]

当前输出:

[
  { name: 'Bread', price: '$15 / piece', availability: 'In Stock' },
  { name: 'Apple Pie', price: '$20 / piece', availability: 'In Stock' }
]
[
  { name: 'Bread', price: '$15 / piece', availability: 'In Stock' },
  { name: 'Apple Pie', price: '$20 / piece', availability: 'In Stock' }
]
[
  { name: 'Bread', price: '$15 / piece', availability: 'In Stock' },
  { name: 'Apple Pie', price: '$20 / piece', availability: 'In Stock' }
]

这是实际问题，我没有杂货类别，而是尼泊尔各州，而不是杂货商品 em>，我需要学校；我不是登录控制台，而是将其导出为CSV 文件。 如果您检查 CSV 文件，您会发现所有相同的数据，即下拉列表的最后一项，即最后一个选项。 这是工作代码:

const puppeteer = require("puppeteer");
const createCsvWriter = require("csv-writer").createObjectCsvWriter;

(async () => {
  const browser = await puppeteer.launch({
    headless: false,
    IgnoreHTTPSErrors: true,
  });
  const page = await browser.newPage();
  await page.setViewport({ width: 1366, height: 820 });

  await page.goto("https://www.pabson.org/#!/School-locator");
  const selectOptions = await page.$$eval(
    "select#ddlState > option",
    (options) => {
      return options.map(function (option) {
        return { option: option.innerHTML, value: option.value };
      });
    }
  );
  async function scrape_and_save(item) {
    // let item = obj;
    await page.select("#ddlState", item.value);
    try {
      await page.waitForSelector("div.count-box-info");
      const school_array = await page.evaluate((x) => {
        let school = [];
        let school_list = document.querySelectorAll("div.count-box-info");
        school_list.forEach((item) => {
          school.push({
            name: item.getElementsByTagName("h4")[0].innerText,
            phone: item.getElementsByTagName("p")[0].innerText,
            email: item.getElementsByTagName("p")[1].innerText,
          });
        });
        return school;
      });

      let csvWriter = createCsvWriter({
        path: "school_" + item.option + ".csv",
        header: [
          { id: "name", title: "NAME" },
          { id: "phone", title: "PHONE" },
          { id: "email", title: "EMAIL" },
        ],
      });

      csvWriter
        .writeRecords(school_array) // returns a promise
        .then(() => {
          console.log("...Done");
        });
    } catch (e) {
      console.log(e);
    }
  }
  for (item of selectOptions) {
    await scrape_and_save(item);
  }
  await browser.close();
})();

任何帮助将不胜感激。提前致谢。

Answer 1

重新渲染学校列表似乎需要一些时间，而您没有等待这个时间，因此您的代码只是太快地抓取了相同的数据。您可以等待一些更改，例如列表上方主要信息文本的更改:

  async function scrape_and_save(item) {
    const previousData = await page.evaluate(
      () => document.querySelector('#divschoolData').innerText
    );

    await page.select("#ddlState", item.value);
    await page.waitForFunction(
      data => { return data !== document.querySelector('#divschoolData').innerText; },
      {},
      previousData,
    );

    try {
      // ...

顺便说一句，尝试始终添加 const/let for 循环变量以防止范围问题:

  for (const item of selectOptions) {

并使用严格模式以免忘记这一点)