如何使用Casperjs检查网页中的损坏链接？

Question

我想使用casperjs检查网页中所有损坏的链接。 我写下面的代码，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。 我的代码未完成其执行，并在某些链接后保持空闲状态。 它没有给我任何回应。 我不明白为什么会这样吗？

Answer 1

获取链接URL

DOM元素的属性和属性之间存在差异。 如果您的网站位于域名http://example.com上，并且希望获得该页面上以下链接的href

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

如果使用aElement.getAttribute("href") ，则将获得"/path/to/stuff" ；但是，如果使用aElement.href ，则将获得计算的URL "http://example.com/path/to/stuff" 。 只有后者是CasperJS（实际上是PhantomJS）可以理解的URL。

我要告诉您的是，因为casper.getElementsAttribute()内部使用element.getAttribute()方法，该方法生成的URL无法使用casper.thenOpen()打开。

解决方法很简单：

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

另外，您可能希望将casper.on()事件注册casper.eachThen()调用上方。 您无需在每次迭代中都注册事件。

注册链接超时

由于某些URL无法加载（可能是因为它们已损坏），因此存在问题，因此可以使用casper.options.stepTimeout设置步骤超时，这样CasperJS不会冻结在某些无法检索的URL上。 您还需要定义onStepTimeout()回调，否则CasperJS将退出。

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);
            }
        });
    });
});