![](/img/trans.png)
[英]Scraping from a website using puppeteer and cheerio returns an empty string
[英]cheerio sometimes returns empty string
我正在抓取 Genius.com 的歌词; 我用谷歌搜索,似乎找不到我的代码无法正常工作的原因。 我正在从 Genius.org 页面上的 div 中抓取文本(即https://genius.com/Britney-spears-baby-one-more-time-lyrics )。
查看页面源代码,似乎 div 存在并且在源代码中填充了文本,而不是由 Javascript 或其他方式填充(如果是的话,在这种情况下,cheerio 不会在百分之零的时间内工作吗?)当我运行我的代码时,它有 50% 的时间有效; 其他时候它返回一个空的。
我看到了这个,但这似乎是一个 hack-ey 解决方案,我真的不明白为什么我的 async/await 不能为 phin 的完整响应工作......
这是有问题的代码
const scraperRouter = require('express').Router()
const p = require('phin')
const cheerio = require('cheerio')
scraperRouter.get('/', async (req, res) => {
const url = req.header('geniusUrl')
const _res = await p(url)
try {
let $ = cheerio.load(_res.body)
const lyrics = $('.lyrics').text()
res.send(lyrics)
}
catch (e) {
console.log(e)
res.json(e)
}
})
任何建议表示赞赏。 谢谢。
在 OP 确认为解决方案后将我的评论转换为答案:
有时,当网站进行 A/B 测试时会发生这种情况。 他们可能会将您重定向到几个 DOM 之一。 也可能存在地区差异。 我建议尝试从几个不同的 IP、浏览器、区域等访问它,以尝试找出是否存在模式。 如果您可以将范围缩小到几个不同的 DOM,那么您可以有条件地尝试两者。
这也可能由于速率限制而发生。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.