抓取无限滚动页面停止而不滚动

Question

我目前正在使用 PhantomJS 和 CasperJS 来抓取网站中的链接。该站点使用 javascript 来动态加载结果。然而，下面的 sn-p 并没有让我得到页面包含的所有结果。我需要向下滚动到页面底部，查看微调器是否出现（意味着还有更多内容要来），等到新内容加载完毕，然后继续滚动直到不再显示新内容。然后将类名.title 的链接存储在一个数组中。链接到webpage 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();
});

Answer 1

我查看了该页面。您的误解可能是您认为 .badge-post-grid-load-more 元素会在下一个元素加载后立即消失。不是这种情况。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。

例如，您可以检索当前的元素数量并使用waitFor 来检测数量何时发生变化。

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");
  }
}

我还稍微简化了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。