抓取无限滚动页面停止而不滚动

我目前正在使用 PhantomJS 和 CasperJS 来抓取网站中的链接。该网站使用 JavaScript 动态加载结果。然而，下面的代码片段并没有让我获得页面包含的所有结果。我需要的是向下滚动到页面底部，查看微调器是否显示（意味着还有更多内容），等待新内容加载，然后继续滚动，直到不再显示新内容。然后存储带有类名的链接.title在一个数组中。链接到webpage http://example.com/用于刮擦。

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();
});

我看过页面了。您的误解可能是您认为.badge-post-grid-load-more一旦加载下一个元素，该元素就会消失。不是这种情况。它根本没有改变。你必须找到另一种方法来测试新元素是否被放入 DOM 中。

例如，您可以检索当前的元素数量并使用waitFor检测数字何时发生变化。

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");
  }
}

我也精简了tryAndScroll一点。有完全不必要的功能：第一个casper.waitFor根本没有等待，因此onTimeout永远无法调用回调。