我正在使用 Node 和 Cheerio 构建一个网络抓取工具,对于某个网站,我收到以下错误(它只发生在这个网站上,没有其他我尝试抓取的网站。
它每次都发生在不同的位置,所以有时它url x
会引发错误,其他时候url x
很好,它完全是一个不同的 url:
Error!: Error: socket hang up using [insert random URL, it's different every time]
Error: socket hang up
at createHangUpError (http.js:1445:15)
at Socket.socketOnEnd [as onend] (http.js:1541:23)
at Socket.g (events.js:175:14)
at Socket.EventEmitter.emit (events.js:117:20)
at _stream_readable.js:910:16
at process._tickCallback (node.js:415:13)
调试起来非常棘手,我真的不知道从哪里开始。首先,什么是套接字挂起错误?是 404 错误还是类似的错误?还是仅仅意味着服务器拒绝连接?
我在任何地方都找不到对此的解释!
编辑:这是(有时)返回错误的代码示例:
function scrapeNexts(url, oncomplete) {
request(url, function(err, resp, body) {
if (err) {
console.log("Uh-oh, ScrapeNexts Error!: " + err + " using " + url);
errors.nexts.push(url);
}
$ = cheerio.load(body);
// do stuff with the '$' cheerio content here
});
}
没有直接调用来关闭连接,但我正在使用Node Request
which(据我所知)使用http.get
,所以这不是必需的,如果我错了,请纠正我!
编辑 2:这是一个实际的、正在使用的代码,它会导致错误。prodURL
而其他变量大多是前面定义的jquery选择器。这使用了Node.js 的async
库。
function scrapeNexts(url, oncomplete) {
request(url, function (err, resp, body) {
if (err) {
console.log("Uh-oh, ScrapeNexts Error!: " + err + " using " + url);
errors.nexts.push(url);
}
async.series([
function (callback) {
$ = cheerio.load(body);
callback();
},
function (callback) {
$(prodURL).each(function () {
var theHref = $(this).attr('href');
urls.push(baseURL + theHref);
});
var next = $(next_select).first().attr('href');
oncomplete(next);
}
]);
});
}