0

我想使用 casperjs 检查网页中存在的所有损坏的链接。我编写了以下代码，但它不起作用：

casper.then(function() {
     var urls=casper.getElementsAttribute('a[href]', 'href');
    casper.eachThen(urls, function(response) {
        var  link=response.data;
        this.thenOpen(demourl, function(response) { 
             if (response == undefined || response.status >= 400) {
                this.echo("failed");
            }
        })

        this.on('http.status.404', function(resource) {
            this.echo('wait, this url is 404: ' + resource.url);
        })
    })
})

我的网页包含 400 多个链接。我的代码没有完成它的执行并且在一些链接之后保持空闲。它没有给我任何回应。我不明白为什么会这样？

4

1 回答 1

1

获取链接 URL

DOM 元素的属性和属性是有区别的。如果您有一个位于域http://example.com上的网站，并且您想href在该页面上获取以下链接

<a href="/path/to/stuff">text</a>

如果你使用aElement.getAttribute("href")，你会得到"/path/to/stuff"，但如果你使用aElement.href，你会得到计算出来的 URL "http://example.com/path/to/stuff"。只有后者是 CasperJS（实际上是 PhantomJS）可以理解的 URL。

我告诉你这一点，因为casper.getElementsAttribute()内部使用了element.getAttribute()生成无法用casper.thenOpen().

修复很简单：

var urls = casper.evaluate(function(){
    return [].map.call(document.querySelectorAll('a[href]'), function(a){
        return a.href;
    });
});

此外，您可能希望将casper.on()事件注册移到呼叫上方casper.eachThen()。您不需要在每次迭代中注册事件。

注册链接超时

由于您在某些 URL 未加载时遇到问题（可能是因为它们已损坏），您可以使用casper.options.stepTimeout设置步骤超时，以便 CasperJS 不会在某些无法检索的 URL 上冻结。您还需要定义onStepTimeout()回调，否则 CasperJS 将退出。

casper.then(function() {
    var currentURL;
    casper.options.stepTimeout = 10000; // 10 seconds
    casper.options.onStepTimeout = function(timeout, stepNum){
        this.echo('wait, this url timed out: ' + currentURL);
    };

    var urls = this.evaluate(function(){
        return [].map.call(document.querySelectorAll('a[href]'), function(a){
            return a.href;
        });
    });
    this.on('http.status.404', function(resource) {
        this.echo('wait, this url is 404: ' + resource.url);
    });
    urls.forEach(function(link) {
        this.then(function(){
            currentURL = link;
        });
        this.thenOpen(link, function(response) { 
             if (response == undefined || response.status >= 400) {
                this.echo("failed: " + link);
            }
        });
    });
});
于 2015-08-03T12:05:09.313 回答