如何使用木偶器返回不在页面源代码中的元素

Question

我试图使用以下代码从页面返回一些信息来选择页面元素并返回其中的一些值：

const puppeteer = require('puppeteer');
function run (numberOfPages) {
return new Promise(async (resolve, reject) => {
try {
if (!numberOfPages) {
numberOfPages = 1;
}
const browser = await puppeteer.launch();
const page = await browser.newPage();
await page.setRequestInterception(true);
page.on('request', (request) => {
if (request.resourceType() === 'document') {
request.continue();
} else {
request.abort();
}
});
await page.goto('https://careers.google.com/jobs/results/');
let currentPage = 1;
let urls=[];
while (currentPage <= numberOfPages) {
await page.waitForSelector('a.gc-card');
let newUrls = await page.evaluate(() => {
let results = [];
let items = document.querySelectorAll('a.gc-card');
items.forEach((item) => {
results.push({
jobTitle: item.innerText,
url: item.getAttribute('href')
});
});
return results;
});
urls = urls.concat(newUrls);
if (currentPage < pagesToScrape) {
await Promise.all([
await page.waitForSelector('a.gc-link gc-link--on-grey gc-action-group__item gc-h-larger-tap-target'),
await page.click('a.gc-link gc-link--on-grey gc-action-group__item gc-h-larger-tap-target'),
await page.waitForSelector('a.gc-link gc-link--on-grey gc-action-group__item gc-h-larger-tap-target')
])
}
currentPage++;
await page.waitFor(500);
}
browser.close();
return resolve(urls);
} catch (e) {
return reject(e);
}
})
}
run(1).then(console.log).catch(console.error);

我可以使用inspect-in-dev工具看到，当加载页面时，类gc-card出现在dom中，但由于某种原因，每次运行代码时await page.waitForSelector('a.gc-card');都会超时。不完全确定原因，但认为这可能与通过脚本加载页面的大部分页面正文有关。

所需的结果是返回一个数组，其中包含页面上的所有职务和URL。

Answer 1

您的请求甚至中止了站点需要运行的所有javascript文件。

page.on('request', (request) => {
if (request.resourceType() === 'document') {
request.continue();
} else {
request.abort();
}
});

与其只允许一份文件，不如消极思考，停止你确信不需要的请求。