抓取无限滚动页面将停止而不滚动

Scraping an infinite scroll page stops without scrolling

本文关键字：滚动 无限 抓取      更新时间：2023-09-26

我目前正在使用PhantomJS和CasperJS来抓取网站中的链接。该网站使用javascript来动态加载结果。但是，下面的代码片段并没有为我提供页面包含的所有结果。我需要的是向下滚动到页面底部，查看微调器是否显示（意味着还有更多内容），等到新内容加载完毕，然后继续滚动，直到不再显示新内容。然后将具有类名.title的链接存储在数组中。链接到网页进行抓取。

var casper = require('casper').create();
var urls = [];
function tryAndScroll(casper) {
  casper.waitFor(function() {
    this.page.scrollPosition = { top: this.page.scrollPosition["top"] + 4000, left: 0 };
    return true;
  }, function() {
    var info = this.getElementInfo('.badge-post-grid-load-more');
    if (info["visible"] == true) {
      this.waitWhileVisible('.badge-post-grid-load-more', function () {
        this.emit('results.loaded');
      }, function () {
        this.echo('next results not loaded');
      }, 5000);
    }
  }, function() {
    this.echo("Scrolling failed. Sorry.").exit();
  }, 500);
}
casper.on('results.loaded', function () {
  tryAndScroll(this);
});
casper.start('http://example.com/', function() {
    this.waitUntilVisible('.title', function() {
        tryAndScroll(this);
      });
});
casper.then(function() {
  casper.each(this.getElementsInfo('.title'), function(casper, element, j) {
    var url = element["attributes"]["href"];
    urls.push(url);
  });
});
casper.run(function() {
    this.echo(urls.length + ' links found:');
    this.echo(urls.join(''n')).exit();
});

我看过这个页面。您的误解可能是您认为加载下一个元素后.badge-post-grid-load-more元素就会消失。事实并非如此。它根本没有改变。您必须找到另一种方法来测试是否将新元素放入 DOM 中。

例如，您可以检索当前元素的数量并使用waitFor来检测数量何时变化。

function getNumberOfItems(casper) {
    return casper.getElementsInfo(".listview .badge-grid-item").length;
}
function tryAndScroll(casper) {
  casper.page.scrollPosition = { top: casper.page.scrollPosition["top"] + 4000, left: 0 };
  var info = casper.getElementInfo('.badge-post-grid-load-more');
  if (info.visible) {
    var curItems = getNumberOfItems(casper);
    casper.waitFor(function check(){
      return curItems != getNumberOfItems(casper);
    }, function then(){
      tryAndScroll(this);
    }, function onTimeout(){
      this.echo("Timout reached");
    }, 20000);
  } else {
    casper.echo("no more items");
  }
}

我也稍微简化了tryAndScroll。有完全不必要的函数：第一个casper.waitFor根本没有等待，因此永远无法调用onTimeout回调。

相关文章：