如何使用 Casperjs 检查网页中损坏的链接？

Question

我想使用 casperjs 检查网页中存在的所有损坏的链接。我写了以下代码，但它不起作用：

casper.then(function() {
     var urls=casper.getElementsAttribute('a[href]', 'href');
    casper.eachThen(urls, function(response) {
        var  link=response.data;
        this.thenOpen(demourl, function(response) { 
             if (response == undefined || response.status >= 400) {
                this.echo("failed");
            }
        })

        this.on('http.status.404', function(resource) {
            this.echo('wait, this url is 404: ' + resource.url);
        })
    })
})

我的网页包含 400 多个链接。我的代码没有完成它的执行并且在一些链接之后保持空闲。它没有给我任何回应。我不明白为什么会这样？

Answer 1

获取链接网址

DOM 元素的属性和属性是有区别的。如果您有一个位于域http://example.com 上的网站，并且您希望在该页面上获得以下链接的href

<a href="/path/to/stuff">text</a>

如果您使用aElement.getAttribute("href")，您将获得"/path/to/stuff"，但如果您使用aElement.href，您将获得计算得到的URL "http://example.com/path/to/stuff"。只有后者是 CasperJS（实际上是 PhantomJS）能够理解的 URL。

我告诉你这一点，因为casper.getElementsAttribute() 在内部使用element.getAttribute() 方法，该方法会生成无法用casper.thenOpen() 打开的URL。

修复很简单：

var urls = casper.evaluate(function(){
    return [].map.call(document.querySelectorAll('a[href]'), function(a){
        return a.href;
    });
});

此外，您可能希望将casper.on() 事件注册移到casper.eachThen() 调用之上。您不需要在每次迭代中都注册事件。

注册链接超时

由于您遇到了某些 URL 无法加载的问题（可能是因为它们已损坏），您可以使用 casper.options.stepTimeout 设置步骤超时，这样 CasperJS 就不会在某些无法检索的 URL 上冻结。还需要定义onStepTimeout()回调，否则CasperJS会退出。

casper.then(function() {
    var currentURL;
    casper.options.stepTimeout = 10000; // 10 seconds
    casper.options.onStepTimeout = function(timeout, stepNum){
        this.echo('wait, this url timed out: ' + currentURL);
    };

    var urls = this.evaluate(function(){
        return [].map.call(document.querySelectorAll('a[href]'), function(a){
            return a.href;
        });
    });
    this.on('http.status.404', function(resource) {
        this.echo('wait, this url is 404: ' + resource.url);
    });
    urls.forEach(function(link) {
        this.then(function(){
            currentURL = link;
        });
        this.thenOpen(link, function(response) { 
             if (response == undefined || response.status >= 400) {
                this.echo("failed: " + link);
            }
        });
    });
});