Cheerio Node.JS外部标题链接问题

Question

我正在构建一个示例测试scraper来学习Cheerio和jQuery。

我在收到一组url并存储它们后的第二个请求上挠头，是做另一个请求来加载这些url并从该页面的标题中拉出标题。

我的代码是这样的

   var request = require('request'),
    cheerio = require('cheerio');
    urls = [];
    titles = [];
request('http://reddit.com', function(err, resp, body){
 if(!err && resp.statusCode == 200){
 var $ = cheerio.load(body);
   $('a.title', '#siteTable').each(function(){
   var url =  $(this).attr('href');
   urls.push(url);
});
   //issue is here
   for(var i = 0; i < urls.length; i++){
   request(urls[i], function(err, resp, body){
    var $ = cheerio.load(body);
    var title = $("title").text();
   console.log(title);
   });
   }
  }
});

似乎我得到一个未定义的属性时，从页面归因于标题某处。

我必须提到我是jQuery的新手，所以这段代码可能看起来很荒谬(我假设)。

我从控制台收到的错误是，

TypeError: Cannot read property 'parent' of undefined
    at Function.exports.update (/home/pi/node_modules/cheerio/lib/parse.js:55:25)
    at module.exports (/home/pi/node_modules/cheerio/lib/parse.js:17:11)
    at Function.exports.load (/home/pi/node_modules/cheerio/lib/static.js:19:14)
    at Request._callback (/home/pi/scraper.js:16:22)
    at self.callback (/home/pi/node_modules/request/request.js:187:22)
    at Request.emit (events.js:95:17)
    at Request.init (/home/pi/node_modules/request/request.js:275:17)
    at new Request (/home/pi/node_modules/request/request.js:129:8)
    at request (/home/pi/node_modules/request/index.js:55:10)
    at Request._callback (/home/pi/scraper.js:15:6)

我明白这个错误意味着我有一个未定义的变量，我试图使一个次要属性，如。something，但错误指向第二个请求中的回调函数。

有什么建议我可以解决这个问题吗?

Answer 1

其中一个URL的返回值如下所示

/r/Jokes/comments/4yp0ex/mom_dont_freak_out_but_im_in_the_hospital/

可能还有其他的，但看看reddit，你可以清楚地看到锚，和href

<a class="title may-blank " href="/r/Jokes/comments/4yp0ex/mom_dont_freak_out_but_im_in_the_hospital/" tabindex="1" rel="">"Mom? Don't freak out, but I'm in the hospital..."</a>

当然，尝试使用请求来获取没有协议或域的URL会失败，并且一切都会崩溃。

你必须通过添加域名和创建绝对URL来处理内部链接，一个简单的方法就是像

for (var i = 0; i < urls.length; i++) {
  var uri = (/^(f|ht)tps?:///i.test(urls[i]) ? "" : "https://www.reddit.com") + urls[i];
  request(uri, function(err, resp, body) {
    if (err) {
      // handle errors
    } else {
        var $ = cheerio.load(body);
        var title = $("title").text();
        console.log(title);
    }
  });
}

运行，你会看到在几个URL之后，你会遇到一个"502坏网关"，现在你必须处理这个，可能还有许多其他的事情，因为没有保证所有在Reddit上发布的蹩脚链接实际上是有效的。