PhantomJS:抓取多个 URL 时的空白页面

Question

我编写了一个 PhantomJs 脚本，通过递归链接对 page.open() 的调用来抓取多个 URL。 (下面的代码片段。)这最多适用于 3 或 4 个 URL，但是对于大量 URL，我只会得到空白页面。空白是指 document.URL 包含“about: blank”，而屏幕截图仅显示空白的白色背景。我还注意到，随着 phantomJs 继续处理大量 URL，它的内存使用量不断增加。是否有什么具体的我需要做的释放用于呈现前一页的任何内存？

其他人看到过这个问题吗？是否可以扩展 PhantomJs 来抓取更多的 URL(比如 100 个)？

谢谢
罗希特

用于抓取多个 URL 的递归代码片段:

srcProducts = [{'url':'http://...' }, { 'url': 'http://...' },...];
destProducts = [];
gRetries = 0;
process();

function process() {
  if (srcProducts.length == 0) {
    // Output to file
    phantom.exit();
  } else {
     product = srcProducts.pop();

     page = require('webpage').create();
     page.open(product['url'], onOpen);
  }
}

function onOpen(status) {
  // check status
  // scrape info into product

  destProducts.push(product);
  process();
}

Answer 1

有人很友好地在 google 群组上回答了这个问题。解决方案是在使用完页面对象后调用 page.release() 。

https://groups.google.com/forum/?fromgroups#!topic/phantomjs/lquzLFvZtrA