Puppeteer 不会返回来自特定网站的所有请求

Question

我有以下代码，可以从特定网站提取所有请求（获取所有图像、CSS、脚本、字体...）

var totalRequests = 0;

    puppeteer.launch().then(async browser => {
        const page = await browser.newPage();
        await page.setRequestInterception(true);
        page.on('request', interceptedRequest => {
            interceptedRequest.continue();
        });
        page.on('response', response => {
            totalRequests = totalRequests + 1;
            console.log('Url: ' + response.url());
        });
        await page.goto('https://stackoverflow.com');
        await browser.close().then(() => {
            res.send('Requests: ' + totalRequests);
        });

太好了，在控制台中我可以看到来自stackoverflow.com的所有 Url （Css 文件、图像文件、字体文件和 Javascript 文件）以及请求的总文件（在本例中我看到 31 个请求），但由于某种原因我结束了请注意，此代码不会返回所有页面请求。

如果我们转到 Google Chrome，按 F12，转到网络部分并重新加载页面（假设您位于 URL https://stackoverflow.com），我们将看到总共 39-40 个请求文件。

问题是我的代码只返回 30 到 31 个请求，并且在控制台中我看不到 Chrome 上显示的所有链接。可能会发生什么？我该怎么做才能返回所有请求，如 Google Chrome 所示？

Answer 1

主要问题

加载资源的数量stackoverflow.com取决于浏览器窗口的大小。如果您的视口允许，stackoverflow 会向您展示广告（在右侧边栏）。但只有当你的视口大小足够宽时，相应的资源（JavaScript、图像等）才会被加载。您可以自己尝试一下，减小窗口的大小，直到隐藏右侧边栏，然后重新加载页面。DevTools 将向您显示不同数量的已加载资源。

示例代码

以下示例演示如何通过设置defaultViewport属性来模拟更大的浏览器窗口。请注意，在本示例中，我完全使用了async/awaitpage.setRequestInterception语法，并且删除了该调用，因为response没有它，事件也会被触发（仅当您确实想要修改请求或响应时才需要使用它）。

const puppeteer = require('puppeteer');

(async () => {
    const browser = await puppeteer.launch({ // headless: false, devtools: true,
        defaultViewport: { width: 1600, height: 800 }
    });
    const page = await browser.newPage();

    var totalRequests = 0;
    page.on('response', () => {
        totalRequests = totalRequests + 1;
    });

    await page.goto('https://stackoverflow.com');
    console.log(totalRequests);

    await browser.close();
})();

这30对我来说是返回的，但这仍然不是我们期望的数字（~40）。

等待所有资源加载完毕

您的代码还有另一个问题。让我们打开 DevTools 看看发生了什么。如果您查看网络选项卡中的瀑布图，它看起来像这样：

看到那条红线了吗？这是加载事件。默认情况下page.goto等待此事件。但在我们的例子中，实际上有一些文件在事件触发后正在加载（红线右侧的文件）。为了等待这些资源加载，我们可以使用该page.goto函数的选项之一。使用waitUntil: 'networkidle0'该脚本将等到不再有网络活动。

page.goto因此，如果您使用此行从顶部切换该行，您应该会看到预期的请求数：

await page.goto('https://stackoverflow.com', { waitUntil: 'networkidle0' });

使用此设置时，上面的代码39为我返回，这正是您所期望的。