5

概述

我正在尝试使用 PhantomJS 和 pjscrape 框架创建一个非常基本的刮板。

我的代码

pjs.config({
timeoutInterval: 6000,
timeoutLimit: 10000,
format: 'csv',
csvFields: ['productTitle','price'],
writer: 'file',
outFile: 'D:\\prod_details.csv'
});

pjs.addSuite({
title: 'ChainReactionCycles Scraper',
url: productURLs, //This is an array of URLs, two example are defined below
scrapers: [
    function() {
        var results [];
        var linkTitle = _pjs.getText('#ModelsDisplayStyle4_LblTitle');
        var linkPrice = _pjs.getText('#ModelsDisplayStyle4_LblMinPrice');
        results.push([linkTitle[0],linkPrice[0]]); 
        return results;
    }
]
});

使用的 URL 数组

第一个数组不起作用，并且在第三个或第四个 URL 之后失败。

var productURLs = ["8649","17374","7327","7325","14892","8650","8651","14893","18090","51318"];
for(var i=0;i<productURLs.length;++i){
  productURLs[i] = 'http://www.chainreactioncycles.com/Models.aspx?ModelID=' + productURLs[i];
}

这第二个阵列可以工作并且不会失败，即使它来自同一个站点。

var categoriesURLs = ["304","2420","965","518","514","1667","521","1302","1138","510"];
for(var i=0;i<categoriesURLs.length;++i){
  categoriesURLs[i] = 'http://www.chainreactioncycles.com/Categories.aspx?CategoryID=' + categoriesURLs[i];
}

问题

当遍历productURLsPhantomJSpage.open可选回调时，自动假定失败。即使页面尚未完成加载。

我知道这一点，因为我在运行 HTTP 调试器时启动了脚本，即使 PhantomJS 报告了页面加载失败，HTTP 请求仍在运行。

但是，使用categoriesURLs.

假设

  1. 上面列出的所有 URL 都是有效的
  2. 我有最新版本的 PhantomJS 和 pjscrape

可能的解决方案

这些是我迄今为止尝试过的解决方案。

  1. 禁用图像加载page.options.loadImages = false
  2. 设置较大显然没有用，因为生成的错误是timeoutInterval失败而不是超时失败。pjs.configpage.open

有任何想法吗？

4

1 回答 1

2

该问题是由 PhantomJS 引起的。现在这个问题已经解决了。

我现在使用 PhantomJS v2.0。

于 2012-03-14T20:50:53.543 回答