脚本在执行过程中的某个时刻抛出一些错误

Question

我在 python 中使用 pyppeteer 创建了一个脚本来收集不同 posts 来自网页，然后通过重用这些收集的链接进入目标页面来解析每个 post 的标题。虽然内容是静态的，但我想知道 pyppeteer 在这种情况下是如何工作的。

我试图将这个 browser 变量从 main() 函数提供给 fetch() 和 browse_all_links() 函数，这样我就可以一遍又一遍地重复使用同一个浏览器。

我目前的做法：

import asyncio
from pyppeteer import launch

url = "https://whosebug.com/questions/tagged/web-scraping"

async def fetch(page,url):
    await page.goto(url)
    linkstorage = []
    await page.waitForSelector('.summary .question-hyperlink')
    elements = await page.querySelectorAll('.summary .question-hyperlink')
    for element in elements:
        linkstorage.append(await page.evaluate('(element) => element.href', element))
    return linkstorage

async def browse_all_links(page,link):
    await page.goto(link)
    await page.waitForSelector('h1 > a')
    title = await page.querySelectorEval('h1 > a','(e => e.innerText)')
    print(title)

async def main():
    browser = await launch(headless=False,autoClose=False)
    [page] = await browser.pages()
    links = await fetch(page,url)
    tasks = [await browse_all_links(page,url) for url in links]
    await asyncio.gather(*tasks)

if __name__ == '__main__':
    asyncio.run(main())

上面的脚本获取了一些标题，但在执行过程中的某个时刻出现了以下错误：

Possible to select <a> with specific text within the quotes?
Crawler Runs Too Slow
How do I loop a list of ticker to scrape balance sheet info?
How to retrive the url of searched video from youtbe using python
VBA-JSON to import data from all pages in one table
Is there an algorithm that detects semantic visual blocks in a webpage?
find_all only scrape the last value

#ERROR STARTS

Future exception was never retrieved
future: <Future finished exception=NetworkError('Protocol error (Runtime.releaseObject): Cannot find context with specified id')>
pyppeteer.errors.NetworkError: Protocol error (Runtime.releaseObject): Cannot find context with specified id
Future exception was never retrieved

Answer 1

因为这个问题已经发布两天了，还没有人回答，我会借此机会解决这个问题认为可能对你有帮助。

有 15 个链接，但你只得到 7 个，这可能是 websockets 正在失去连接，页面无法再访问
列表理解

tasks = [await browse_all_links(page,url) for url in links] 期望这个列表是什么？如果成功，它将是一个列表 none 个元素。所以你的下一行代码会抛出错误！

解决方案

将 websockets 7.0 降级到 websockets 6.0

去掉这行代码await asyncio.gather(*tasks)

我正在使用 python 3.6，所以我不得不更改最后一行代码。如果您使用的是 python 3.7，我认为您使用的是
，则无需更改它

import asyncio
from pyppeteer import launch

url = "https://whosebug.com/questions/tagged/web-scraping"

async def fetch(page,url):
    await page.goto(url)
    linkstorage = []
    await page.waitForSelector('.summary .question-hyperlink')
    elements = await page.querySelectorAll('.summary .question-hyperlink')
    for element in elements:
        linkstorage.append(await page.evaluate('(element) => element.href', element))
    return linkstorage

async def browse_all_links(page,link):
    await page.goto(link)
    await page.waitForSelector('h1 > a')
    title = await page.querySelectorEval('h1 > a','(e => e.innerText)')
    print(title)
async def main():
    browser = await launch(headless=False,autoClose=False)
    [page] = await browser.pages()
    links = await fetch(page,url)
    tasks = [await browse_all_links(page,url) for url in links]
    #await asyncio.gather(*tasks)
    await browser.close()
if __name__ == '__main__':
    #asyncio.run(main())
    asyncio.get_event_loop().run_until_complete(main())

输出

(testenv) C:\Py\pypuppeteer1>python stack3.py Scrapy Shell response.css returns 一个空数组 Scrapy real-time 蜘蛛为什么在使用 get 请求读取数据时会出现 KeyError？ Scrapy spider 无法根据args重新定义custom_settings 在 Splash UI 中使用 Lua 的自定义 JS 脚本有人可以解释这段代码为什么以及如何工作[待定] 如何从字符串列表中提取所需数据？ Scrapy CrawlSpider爬取单页规则如何 scrape a web-page with search bar results, when the search query doesn't 出现在 url 嵌套for循环不断重复获取除标签列表之外的所有标签 BeautifulSoup 使用 Python 和 webbot 获取当前 URL 如何登录网站并发送数据无法将值附加到列。出现错误 IndexError: list index out of ra 恩格 NextSibling.Innertext 不工作。 “对象不支持这个属性”

脚本在执行过程中的某个时刻抛出一些错误

Script throws some error at some point within the execution

python

web-scraping

puppeteer

pyppeteer

python-asyncio