node.js - 使用 puppeteer 单击不同链接时遇到问题

Question

我已经使用 puppeteer 在 Node 中编写了小脚本，以从 website 的登陆页面循环执行对不同帖子的链接的点击。 。

我的脚本中使用的站点链接是一个占位符。而且，它们不是动态的。所以， puppeteer 师可能有点过分了。然而，我的目的是学习点击的逻辑。

当我执行第一个脚本时，它单击一次并在退出源时抛出以下错误。

const puppeteer = require("puppeteer");

(async () => {
    const browser = await puppeteer.launch({headless:false});
    const [page] = await browser.pages();
    await page.goto("https://stackoverflow.com/questions/tagged/web-scraping",{waitUntil:'networkidle2'});
    await page.waitFor(".summary");
    const sections = await page.$$(".summary");

    for (const section of sections) {
        await section.$eval(".question-hyperlink", el => el.click())
    }

    await browser.close();
})();

上述脚本遇到的错误:

(node:9944) UnhandledPromiseRejectionWarning: Error: Execution context was destroyed, most likely because of a navigation.

当我执行以下命令时，脚本假装单击一次(实际上并非如此)并遇到与之前相同的错误。

const puppeteer = require("puppeteer");

(async () => {
    const browser = await puppeteer.launch({headless:false});
    const [page] = await browser.pages();
    await page.goto("https://stackoverflow.com/questions/tagged/web-scraping");

    await page.waitFor(".summary .question-hyperlink");
    const sections = await page.$$(".summary .question-hyperlink");

    for (let i=0, lngth = sections.length; i < lngth; i++) {
        await sections[i].click();
    }

    await browser.close();
})();

上面抛出的错误:

(node:10128) UnhandledPromiseRejectionWarning: Error: Execution context was destroyed, most likely because of a navigation.

如何让我的脚本循环执行点击？

Answer 1

问题:

Execution context was destroyed, most likely because of a navigation.

该错误表明您想要单击某个链接，或者在某个不再存在的页面上执行某些操作，很可能是因为您导航离开了。

逻辑:

将 puppeteer 脚本视为浏览真实页面的真人。

首先，我们加载网址 ( https://stackoverflow.com/questions/tagged/web-scraping )。

接下来，我们要检查该页面上提出的所有问题。为此，我们通常会做什么？我们会执行以下任一操作，

• 在新标签页中打开一个链接。专注于该新选项卡，完成我们的工作并返回到原始选项卡。继续下一个链接。
• 我们点击链接，执行我们的操作，返回上一页，继续下一页。

所以它们都涉及离开和返回当前页面。

如果您不遵循此流程，您将收到上述错误消息。

解决方案

至少有 4 种或更多方法可以解决此问题。我会选择最简单和最复杂的。

方式:链接提取

首先我们提取当前页面上的所有链接。

const links = await page.$$eval(".hyperlink", element => element.href);

这给了我们一个 url 列表。我们可以为每个链接创建一个新选项卡。

for(let link of links){
  const newTab = await browser.newPage();
  await newTab.goto(link);
  // do the stuff
  await newTab.close();
}

这将一一浏览每个链接。我们可以通过使用promise.map和各种队列库来改进这一点，但你明白了。

方式:返回主页

我们需要以某种方式存储状态，以便我们知道上次访问的是哪个链接。如果我们访问了第三个问题并返回到标签页面，则下次我们需要访问第四个问题，反之亦然。

检查以下代码。

const puppeteer = require("puppeteer");

(async () => {
  const browser = await puppeteer.launch({ headless: false });
  const page = await browser.newPage();

  await page.goto(
    `https://stackoverflow.com/questions/tagged/web-scraping?sort=newest&pagesize=15`
  );

  const visitLink = async (index = 0) => {
    await page.waitFor("div.summary > h3 > a");

    // extract the links to click, we need this every time
    // because the context will be destryoed once we navigate
    const links = await page.$$("div.summary > h3 > a");
    // assuming there are 15 questions on one page,
    // we will stop on 16th question, since that does not exist
    if (links[index]) {
      console.log("Clicking ", index);

      await Promise.all([

        // so, start with the first link
        await page.evaluate(element => {
          element.click();
        }, links[index]),

        // either make sure we are on the correct page due to navigation
        await page.waitForNavigation(),
        // or wait for the post data as well
        await page.waitFor(".post-text")
      ]);

      const currentPage = await page.title();
      console.log(index, currentPage);

      // go back and visit next link
      await page.goBack({ waitUntil: "networkidle0" });
      return visitLink(index + 1);
    }
    console.log("No links left to click");
  };

  await visitLink();

  await browser.close();
})();

结果:

编辑:有多个与此类似的问题。如果您想了解更多信息，我将引用它们。

• Answer by Thomas Dondorf
• My answer about a logic for infinite scrolling