Cheerio Node.JS外部标题链接问题

克里斯托弗·艾伦

我正在构建一个示例测试刮板，以了解有关Cheerio和jQuery的信息。

在收到一组URL并将其存储之后，我正在努力应对第二个请求，这是另一个请求，要求加载这些URL并从该页面的标题中提取标题。

我的代码看起来像这样。

   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);
   });
   }
  }
});

似乎在从页面中分配标题时，我在某处获得了undefined的属性。

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（我正在假设）。

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)

我知道此错误意味着我有一个未定义的变量，并且我试图创建一个辅助属性，如.someThing，但该错误指向第二个要求中的回调函数。

关于如何解决此问题的任何建议？

阿德内

返回的网址之一如下所示

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

可能还有其他人，但是查看reddit可以清楚地看到锚点和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，尝试使用请求获取没有协议或域的URL会失败，并且一切都会崩溃。

您必须通过添加域并创建绝对URL来处理内部链接，这样做的简单方法是：

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);
    }
  });
}

运行该命令，您将看到在几个URL之后，您会遇到一个“ 502错误的网关”，现在您必须处理该问题，并且可能还要处理许多其他事情，因为不能保证Reddit上发布的所有糟糕的链接都可以正常工作。

本文收集自互联网，转载请注明来源。

如有侵权，请联系 [email protected] 删除。