我正在尝试抓取传递给 scrape 函数的任何网页,但无论 page.goto() 设置的超时如何,我都会收到超时错误,如果设置为 0,应用程序只会继续等待。
const express = require('express');
const cors = require('cors');
const MYPORT = process.env.PORT || 4001;
const app = express();
const puppeteer = require('puppeteer');
app.use(express.json());
app.use(cors());
const scrape = async (url) => {
var body;
try {
const browser = await puppeteer.launch({
headless: true,
args: ['--no-sandbox'],
timeout: 0
});
console.log('Browser launched');
const page = await browser.newPage();
console.log('Page opened');
await page.goto(url, { waitUntil: 'load', timeout: 3 * 60000 });
await page.waitForSelector('body', {waitUntil: 'load'})
console.log('Link opened');
await page.waitForNavigation({waitUntil: 'networkidle2', timeout: 3 * 60000});
page.$eval('html', bdy => {
console.log(bdy);
body = bdy.innerHTML;
});
browser.close();
return body;
} catch (err) {
console.log(err);
}
};
scrape('http://google.com');
请问我做错了什么?
我在 WSL(适用于 Linux 的 Windows 子系统)上使用 Ubuntu 18.04
您的脚本的超时等待部分有点过于复杂。我建议进行以下更改:
headless: false
,以便您可以在 UI 上看到出了什么问题,您可以打开浏览器控制台等。waitForSelector
-s 执行您想要的操作。我从你的脚本中删除了它们。waitUntil: 'domcontentloaded'
而不是 load
或最严格的 networkidle2
!在文档中查看它们之间的确切区别:[链接]waitForNavigation
。这是你的脚本失败的主要原因:一旦 <body>
出现在 DOM 中,你要求 puppeteer 等待导航完成,但此时你没有导航:你已经在页面上了。请记住:当页面导航到新 URL 或重新加载时进行解析。当您运行将间接导致页面导航的代码时,它非常有用。 [来源]page.waitForNavigation
page.$eval
缺乏异步性质,而它应该始终是异步的。无论如何,可以使用以下命令更简单地检索 innerHTML
的 <body>
:await page.evaluate(el => el.innerHTML, await page.$('body'))
。const scrape = async url => {
try {
const browser = await puppeteer.launch({
headless: false,
args: ['--no-sandbox']
})
console.log('Browser launched')
const page = await browser.newPage()
console.log('Page opened')
await page.goto(url, { waitUntil: 'domcontentloaded' })
await page.waitForSelector('body')
console.log('Link opened')
const body = await page.evaluate(el => el.innerHTML, await page.$('body'))
console.log(body)
browser.close()
return body
} catch (err) {
console.log(err)
}
}
我在 Circleci 上遇到此错误,因为我没有在 puppeteer args 上设置 代理设置。
因此测试网址无法访问。
这是我的解决方案。
const browser = await puppeteer.launch({
args: ['--proxy-server=http://your-proxy-url:port'],
});
当 wi-fi 速度由于网络原因下降得很低时,我收到错误。