PhantomJS的承诺框架？

我是PhantomJS的新手.我想加载一个页面,删除它的链接,然后依次打开每个页面,一个一个,甚至每个请求之间延迟.我遇到麻烦让一个人开火,所以我想也许我可以使用承诺来解决这个问题,但我不认为节点库与Phantom一起工作.我到目前为止看到的每个例子都打开了一个页面,然后退出.

这就是我所得到的：

var page = require('webpage').create();

page.open('http://example.com/secretpage',function(status) {
    console.log(status);
    if(status !== 'success') {
        console.log('Unable to access network');
    } else {
        var links = page.evaluate(function() {
            var nodes = [];
            var matches = document.querySelectorAll('.profile > a');
            for(var i = 0; i < matches.length; ++i) {
                nodes.push(matches[i].href);
            }
            return nodes;
        });


        links.forEach(function(link) {
            console.log(link);
            page.open(link,function(status) { // <---- tries opening every page at once
                console.log(status);

                var name = page.evaluate(function() {
                    return document.getElementById('username').innerHTML;
                });

                console.log(name);
                page.render('profiles/'+name + '.png');
            });
        });
    }
//    phantom.exit();
});

有没有办法按顺序打开每个链接？

解决方法

对于这种典型情况,我使用 async.js,特别是队列 component.

这是一个非常基本的实现

phantom.injectJs('async.js');

var q = async.queue(function (task,callback) {
    page.open(task.url,function(status) { // <---- tries opening every page at once
                if(status !== 'success') {
        console.log('Unable to open url > '+task.url);
    } else {
                console.log('opened '+task.url);
                //do whatever you want here ...
                    page.render(Date.Now() + '.png');
                }           
                callback();
            });

},1);

// assign a callback
q.drain = function() {
    console.log('all urls have been processed');
    phantom.exit();
}

var page = require('webpage').create();

page.open('http://phantomjs.org/',function(status) {
    console.log(status);
    if(status !== 'success') {
        console.log('Unable to access network');
    } else {
        var links = page.evaluate(function() {
            var nodes = [];
            var matches = document.querySelectorAll('a');
            for(var i = 0; i < matches.length; ++i) {
                nodes.push(matches[i].href);
            }
            return nodes;
        });

        links.forEach(function(link) {
                q.push({url: link},function (err) {
                    console.log('finished processing '+link);
                });
        });
    }   
});

URL被添加到队列中并且将被并行处理(达到并发限制,一个在这里).我重复使用相同的页面实例,但这不是强制性的.

像过去我已经做过这样的爬虫了,我再给你两个建议：

>不要加载图像以加快测试速度> href有时是相对的,所以先检查一下它是否是一个有效的url