node.js - 如何从 Google Cloud Function(Cheerio、Node.js)发出多个 http 请求

Question

我的问题:

我正在使用 Cheerio、Node.js 和 Google Cloud Functions 构建一个网络爬虫。

问题是我需要发出多个请求，然后在调用 response.send() 之前将每个请求的数据写入 Firestore 数据库，从而终止该函数。

我的代码需要两个循环:第一个循环使用来 self 的数据库的网址，每个循环发出一个单独的请求。第二个循环是 Cheerio 使用 .each 从 DOM 中抓取多行表数据，并为每一行进行单独的写入。

我尝试过的:

我尝试将每个请求推送到一个 Promise 数组，然后在调用 res.send() 之前等待所有 Promise 用 Promise.all() 解决，但我对 Promise 仍然有点动摇，而不是当然这是正确的方法。 (我已经通过这种方式获得了适用于较小数据集的代码，但仍然不一致。)

我还尝试将每个请求创建为新的 Promise，并使用 async/await 等待 forEach 循环中的每个函数调用，以便为每个请求留出时间并写入完全完成，以便之后我可以调用 res.send()，但是我发现 forEach 不支持 Async/await。

我尝试使用 p-iteration 模块来解决这个问题，但因为它实际上不是 forEach，而是查询上的方法 (doc.forEach())，我认为它不是那样工作的。

这是我的代码。

注意:

如前所述，这并不是我尝试过的所有内容(我删除了我的 promise 尝试)，但这应该显示我正在努力实现的目标。

export const getCurrentLogs = functions.https.onRequest((req, response) => {


//First, I make a query from my db to get the urls 
// that I want the webscraper to loop through. 

const ref = scheduleRef.get()

.then((snapshot) => {

    snapshot.docs.forEach((doc) => {

        const scheduleGame = doc.data()
        const boxScoreUrl = scheduleGame.boxScoreURL

//Inside the forEach I call the request 
// as a function with the url passed in

        updatePlayerLogs("https://" + boxScoreUrl + "/");


    });

})

.catch(err => {
    console.log('Error getting schedule', err);
});


function updatePlayerLogs (url){

 
//Here I'm not sure on how to set these options 
// to make sure the request stays open but I have tried 
// lots of different things. 

    const options = {
        uri: url,
        Connection: 'keep-alive',
        transform: function (body) {
            return cheerio.load(body);
        }
    };

   request(options)

        .then(($) => {


//Below I loop through some table data 
// on the dom with cheerio. Every loop 
// in here needs to be written to firebase individually. 


                $('.stats-rows').find('tbody').children('tr').each(function(i, element){


                    const playerPage = $(element).children('td').eq(0).find('a').attr('href');


                    const pts = replaceDash($(element).children('td').eq(1).text());
                    const reb =  replaceDash($(element).children('td').eq(2).text());
                    const ast =  replaceDash($(element).children('td').eq(3).text());
                    const fg =  replaceDash($(element).children('td').eq(4).text());
                    const _3pt =  replaceDash($(element).children('td').eq(5).text());
                    const stl =  replaceDash($(element).children('td').eq(9).text());
                    const blk =  replaceDash($(element).children('td').eq(10).text());
                    const to =  replaceDash($(element).children('td').eq(11).text());


                    const currentLog = {
                        'pts': + pts,
                        'reb': + reb,
                        'ast': + ast,
                        'fg':  fgPer,
                        '3pt': + _3ptMade,
                        'stl': + stl,
                        'blk':  + blk,
                        'to':  + to
                    }

                   //here is the write
                    playersRef.doc(playerPage).update({

                        'currentLog': currentLog

                    }) 
                    .catch(error => 
                        console.error("Error adding document: ", error + " : " + url)
                     );
                });

            })

        .catch((err) => {
            console.log(err); 
        });

    };

//Here I call response.send() to finish the function. 
// I have tried doing this lots of different ways but 
// whatever I try the response is being sent before all 
// docs are written.

   response.send("finished writing logs")

});

我尝试过的所有操作要么会导致超出截止日期的错误(可能是因为我已经研究过配额限制，但我认为我不应该超出)，要么是一些无法解释的错误，其中代码未完成执行但显示我的日志中没有任何内容。

请帮忙，在我不理解的这种情况下有没有办法使用 async/await ？有没有办法使用 promise 来使其变得优雅？

非常感谢，

Answer 1

也许看看这样的东西。它使用 Bluebird promises和 request-promise library

const Promise = require('bluebird');
var rp = require('request-promise');

const urlList = ['http://www.google.com', 'http://example.com']

async function getList() {
  await Promise.map(urlList, (url, index, length) => { 

    return rp(url)
      .then((response) => {

        console.log(`${'\n\n\n'}${url}:${'\n'}${response}`);
        return;
      }).catch(async (err) => {
        console.log(err);
        return;

      })


  }, {
    concurrency: 10
  }); //end Promise.map

}

getList();