node.js - Node-horseman 未处理的拒绝评估

Question

我正在尝试使用 Node-horseman 编写一个基本的网络抓取工具，但是我在 evaluate 函数中遇到了一些 CSS 选择器问题。对于某些网站，evaluate 功能工作得很好，但对于其他网站，Node 会抛出错误。

例如:

var Horseman = require('node-horseman');
var horseman = new Horseman();

function getTitle() {
  var title = $('.product-name-main h1').text();
  return {title: title};
}

horseman
  .userAgent('Mozilla/5.0 (Windows NT 6.1; WOW64; rv:27.0) Gecko/20100101 Firefox/27.0')
  .open('http://shtoraoptom.ru/pokryvalo-nazsu-gul-abrikosovyj-240-260-sm')
  .evaluate(getTitle) 
  .then(function(title){
    console.log(title);
    return horseman.close();
  });

此代码引发错误:

Unhandled rejection getTitle evaluate

global code evaluateJavaScript@[native code] evaluate@phantomjs://platform/webpage.js:390:39 phantomjs://code/bridge.js:121:61    at Horseman.<anonymous> (/home/ubuntu/workspace/node_modules/node-horseman/lib/actions.js:839:38)
    at Horseman.tryCatcher (/home/ubuntu/workspace/node_modules/node-horseman/node_modules/bluebird/js/release/util.js:16:23)
    at Promise._settlePromiseFromHandler (/home/ubuntu/workspace/node_modules/node-horseman/node_modules/bluebird/js/release/promise.js:502:31)
    at Promise._settlePromise (/home/ubuntu/workspace/node_modules/node-horseman/node_modules/bluebird/js/release/promise.js:559:18)
    at Promise._settlePromiseCtx (/home/ubuntu/workspace/node_modules/node-horseman/node_modules/bluebird/js/release/promise.js:596:10)
    at Async._drainQueue (/home/ubuntu/workspace/node_modules/node-horseman/node_modules/bluebird/js/release/async.js:143:12)
    at Async._drainQueues (/home/ubuntu/workspace/node_modules/node-horseman/node_modules/bluebird/js/release/async.js:148:10)
    at Immediate.Async.drainQueues [as _onImmediate] (/home/ubuntu/workspace/node_modules/node-horseman/node_modules/bluebird/js/release/async.js:17:14)
    at processImmediate [as _immediateCallback] (timers.js:383:17)

当我尝试使用相同的选择器以另一种方式重写代码时，它会正确地输出标题:

var Horseman = require('node-horseman');
var horseman = new Horseman();

function getTitle() {
  var title = $('.product-name-main h1').text();
  return {title: title};
}

horseman
  .userAgent('Mozilla/5.0 (Windows NT 6.1; WOW64; rv:27.0) Gecko/20100101 Firefox/27.0')
  .open('http://shtoraoptom.ru/pokryvalo-nazsu-gul-abrikosovyj-240-260-sm')
  .text('.product-name-main h1')
  .then(function(title){
    console.log(title);
   return horseman.close();
  });

出现此类错误的原因是什么？

Answer 1

原因

.evaluate()方法期望客户端 JavaScript 函数在您正在抓取的网页中可用。

您定义的方式getTitle()第一个示例中的函数意味着它是在 NodeJS 范围内创建的，而不是在抓取的网页客户端范围内创建的。

<小时/>

可能的修复

OPTION 1

您可以摆脱创建 getTitle()函数，但将客户端 JavaScript 代码编写为 .evaluate() 的参数方法，像这样:

.evaluate(function () { return $('.product-name h1').first().text(); })

(要获得完整的解决方案，请查看我的 GitHub 存储库: https://github.com/omnimind/stackOverflow/blob/master/NodeJS/Controllers/37793821.js 名为 main() 的脚本方法)

OPTION 2

如果您坚持创建getTitle() JavaScript 函数，那么您需要在单独的 JavaScript 文件中创建该函数，并将其注入(inject)到您使用 horsemen .injectJs(file) 抓取的网页中。像这样:

.injectJs('<external_javascript_file>').evaluate(function () { return getTitle(); })

(要获得完整的解决方案，请查看我的 GitHub 存储库: https://github.com/omnimind/stackOverflow/blob/master/NodeJS/Controllers/37793821.js 名为 external() 的脚本方法)

<小时/>

备注

第二个选项可以让您更好地组织代码，特别是在您需要注入(inject)的客户端 JavaScript 代码因其大小而变得更加复杂和健壮的情况下。