Apify网页抓取任务不稳定。在相隔几分钟的运行之间得到了不同的结果。
创始人
2024-09-07 15:32:28
0

解决Apify网页抓取任务不稳定的方法是通过设置随机延迟和重试机制来增加稳定性,并确保在相同的运行之间得到相同的结果。以下是一个包含代码示例的解决方法:

const Apify = require('apify');

Apify.main(async () => {
    // 创建一个PuppeteerCrawler来执行网页抓取任务
    const crawler = new Apify.PuppeteerCrawler({
        // 输入你的爬取目标URL
        startUrls: ['https://example.com'],
        // 配置Puppeteer实例
        puppeteerOptions: {
            // 设置headless模式,可根据需要进行更改
            headless: true,
            // 可以根据需要设置其他Puppeteer选项
        },
        // 配置页面处理程序
        handlePageFunction: async ({ page }) => {
            // 在这里编写你的页面处理逻辑
            // 例如,你可以使用page.evaluate()来获取页面上的数据

            // 让任务在每次请求之间等待一个随机延迟(例如1到5秒之间的随机值)
            const randomDelay = Math.floor(Math.random() * 4000) + 1000;
            await Apify.utils.sleep(randomDelay);
            
            // 返回数据,可以保存或进行其他处理
            const data = await page.evaluate(() => {
                // 你的页面处理逻辑
                return {
                    // 返回你需要的数据
                };
            });
            // 输出数据
            console.log(data);
        },
        // 在请求失败时进行重试的配置
        handleFailedRequestFunction: async ({ request }) => {
            // 在请求失败时等待一段时间(例如5到10秒之间的随机值)
            const randomDelay = Math.floor(Math.random() * 5000) + 5000;
            console.log(`请求 ${request.url} 失败,重试中...`);
            await Apify.utils.sleep(randomDelay);
            return true; // 返回true以进行重试
        },
    });

    // 启动爬虫
    await crawler.run();
});

上述代码示例中,我们通过使用Apify.utils.sleep()函数在每次请求之间引入了一个随机延迟。这有助于避免过于频繁地访问目标网站,从而提高稳定性。

此外,我们还使用handleFailedRequestFunction配置了一个请求失败时的重试机制。在请求失败时,我们等待一段时间(例如5到10秒之间的随机值),然后返回true以进行重试。这有助于应对网络问题或其他临时错误,并增加任务的稳定性。

请注意,以上只是一个示例,你可以根据自己的需求进行调整和优化。

相关内容

热门资讯

银河麒麟V10SP1高级服务器... 银河麒麟高级服务器操作系统简介: 银河麒麟高级服务器操作系统V10是针对企业级关键业务...
【NI Multisim 14...   目录 序言 一、工具栏 🍊1.“标准”工具栏 🍊 2.视图工具...
不能访问光猫的的管理页面 光猫是现代家庭宽带网络的重要组成部分,它可以提供高速稳定的网络连接。但是,有时候我们会遇到不能访问光...
AWSECS:访问外部网络时出... 如果您在AWS ECS中部署了应用程序,并且该应用程序需要访问外部网络,但是无法正常访问,可能是因为...
Android|无法访问或保存... 这个问题可能是由于权限设置不正确导致的。您需要在应用程序清单文件中添加以下代码来请求适当的权限:此外...
北信源内网安全管理卸载 北信源内网安全管理是一款网络安全管理软件,主要用于保护内网安全。在日常使用过程中,卸载该软件是一种常...
AWSElasticBeans... 在Dockerfile中手动配置nginx反向代理。例如,在Dockerfile中添加以下代码:FR...
AsusVivobook无法开... 首先,我们可以尝试重置BIOS(Basic Input/Output System)来解决这个问题。...
ASM贪吃蛇游戏-解决错误的问... 要解决ASM贪吃蛇游戏中的错误问题,你可以按照以下步骤进行:首先,确定错误的具体表现和问题所在。在贪...
​ToDesk 远程工具安装及... 目录 前言 ToDesk 优势 ToDesk 下载安装 ToDesk 功能展示 文件传输 设备链接 ...