从 1 页获取数据很简单,但是从第一页获取数据后如何返回,进入新页面,从该页面获取数据.. 等等。我正在尝试在网站上执行此操作 http://books.toscrape.com/。
因此,我选择打印库存中的书籍数量,因为只有输入链接才能访问它。例如,如果您运行代码,您将获得: { stock: 'In stock (22 available)' }
现在,我希望返回原始页面,输入第二个链接并获取与上一个相同的信息。等等..
如何使用vanilla JavaScript来完成此操作?
const puppeteer = require('puppeteer');
let scrape = async () => {
const browser = await puppeteer.launch({ headless: false });
const page = await browser.newPage();
await page.goto('http://books.toscrape.com/');
await page.click('#default > div > div > div > div > section > div:nth-child(2) > ol > li:nth-child(1) > article > div.image_container > a > img');
await page.waitFor(1000);
const result = await page.evaluate(() => {
let stock = document.querySelector('#content_inner > article > table > tbody > tr:nth-child(6) > td').innerText;
return {
stock
}
});
browser.close();
return result;
};
scrape().then((value) => {
console.log(value); // Success!
});
解释
您需要做的是在任务完成后调用page.goBack()
返回一页,然后单击下一个元素。为此,您应该使用 page.$$
来获取可点击元素的列表,并使用循环逐个单步跳过它们。然后,您可以重新运行脚本以提取下一页的相同信息。
法典
我调整了您的代码,以便在控制台中为下面的每个页面打印出您想要的结果。请注意,我更改了您问题的选择器,以删除选择所有可点击元素:nth-child(1)
。
const puppeteer = require('puppeteer');
const elementsToClickSelector = '#default > div > div > div > div > section > div:nth-child(2) > ol > li > article > div.image_container > a > img';
let scrape = async () => {
const browser = await puppeteer.launch({ headless: false });
const page = await browser.newPage();
await page.goto('http://books.toscrape.com/');
// get all elements to be clicked
let elementsToClick = await page.$$(elementsToClickSelector);
console.log(`Elements to click: ${elementsToClick.length}`);
for (let i = 0; i < elementsToClick.length; i++) {
// click element
elementsToClick[i].click();
await page.waitFor(1000);
// generate result for the current page
const result = await page.evaluate(() => {
let stock = document.querySelector('#content_inner > article > table > tbody > tr:nth-child(6) > td').innerText;
return { stock };
});
console.log(result); // do something with the result here...
// go back one page and repopulate the elements
await page.goBack();
elementsToClick = await page.$$(elementsToClickSelector);
}
browser.close();
};
scrape();