如何使用 Puppeteer 返回不在页面源中的元素答案

【问题标题】：How to return an element that isn't in the page source using Puppeteer如何使用 Puppeteer 返回不在页面源中的元素
【发布时间】：2020-08-16 04:03:39
【问题描述】：

我正在尝试使用以下代码从页面返回一些信息，以选择页面元素并在其中返回一些值：

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);

我可以看到在开发工具中使用检查，当页面加载时，类 gc-card 存在于 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的页面的大部分页面正文有关。

期望的结果是返回一个包含页面上所有职位名称和 URL 的数组。

【问题讨论】：

标签： javascript node.js web-scraping css-selectors puppeteer

【解决方案1】：

您甚至请求中止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();
   }
});

不要只允许文档以消极的方式思考并停止您确定不需要的请求。

【讨论】：