Heroku限制Puppeteer仅运行三次
P粉986860950
P粉986860950 2024-04-02 19:49:08
0
1
606

我正在开发一个使用 puppeteer 从另一个网站抓取数据的网站。当我在本地计算机上运行 npm 服务器时,它可以很好地抓取数据,但是当我将其部署到 Heroku 时,它只运行我要查找的前三个文件,然后停止。

我本质上是想从我的学校网站上抓取有关课程的数据,因此我在 for 循环中运行此行,

let data =等待crawler.scrapeData(classesTaken[i].code)

这会在下面运行这个函数。为了我自己的隐私,我已经替换了实际的网站 URL。

const browser = await puppeteer.launch({
      args: [
        '--no-sandbox',
        '--disable-setuid-sandbox'
      ]
    })
    const page = await browser.newPage()
    
    await page.goto("website url")
    await page.type('#crit-keyword', code)
    await page.click('#search-button')

    await page.waitForSelector(".result__headline")

    await page.click(".result__headline")

    await page.waitForSelector("div.text:nth-child(2)")

    let data = await page.evaluate(() => {
        let classTitle = document.querySelector("div.text:nth-child(2)").textContent
            .toLowerCase().split(' ')
            .map((s) => s.charAt(0).toUpperCase() + s.substring(1)).join(' ').replace('Ii', "II")
        let classDesc =  document.querySelector(".section--description > div:nth-child(2)").textContent.replace('Lec/lab/rec.', '').trim()

        return {
            title: classTitle,
            desc: classDesc
        }
    })

    console.log(`== Finished grabbing ${code}`)

    return data

这在我自己的本地服务器上运行得很好。然而,当我推送到我的 Heroku 网站时,它只运行前三个类代码。我有一种感觉,这可能是由于我的测功机内存不足,但我不知道如何让它等待可用内存。

这是部署日志

2023-05-22T17:29:18.421015+00:00 app[web.1]: == Finished grabbing CS 475
2023-05-22T17:29:19.098698+00:00 app[web.1]: == Finished grabbing CS 331
2023-05-22T17:29:19.783377+00:00 app[web.1]: == Finished grabbing CS 370

2023-05-22T17:29:49.992190+00:00 app[web.1]: /app/node_modules/puppeteer/lib/cjs/puppeteer/common/util.js:317

2023-05-22T17:29:49.992208+00:00 app[web.1]:     const timeoutError = new Errors_js_1.TimeoutError(`waiting for ${taskName} failed: timeout ${timeout}ms exceeded`);

2023-05-22T17:29:49.992209+00:00 app[web.1]:                          ^

2023-05-22T17:29:49.992209+00:00 app[web.1]: 

2023-05-22T17:29:49.992210+00:00 app[web.1]: TimeoutError: waiting for target failed: timeout 30000ms exceeded

2023-05-22T17:29:49.992211+00:00 app[web.1]:     at waitWithTimeout (/app/node_modules/puppeteer/lib/cjs/puppeteer/common/util.js:317:26)

2023-05-22T17:29:49.992230+00:00 app[web.1]:     at Browser.waitForTarget (/app/node_modules/puppeteer/lib/cjs/puppeteer/common/Browser.js:405:56)

2023-05-22T17:29:49.992230+00:00 app[web.1]:     at ChromeLauncher.launch (/app/node_modules/puppeteer/lib/cjs/puppeteer/node/ChromeLauncher.js:100:31)

2023-05-22T17:29:49.992230+00:00 app[web.1]:     at process.processTicksAndRejections (node:internal/process/task_queues:95:5)

2023-05-22T17:29:49.992231+00:00 app[web.1]:     at async Object.scrapeData (/app/crawler.js:9:21)

2023-05-22T17:29:49.992231+00:00 app[web.1]:     at async getClassData (file:///app/server.mjs:40:16)

2023-05-22T17:29:49.992234+00:00 app[web.1]:

我在某处读到尝试使用这些命令清除构建缓存

$ heroku plugins:install heroku-builds
$ heroku builds:cache:purge --app your-app-name

我已经尝试过了,但没有任何作用。我还遵循了 puppeteer GitHub 上 Heroku 的故障排除说明。

我之所以相信这可能与我的动态记忆有关,是因为这篇相关的文章。如果是这种情况,我想弄清楚如何等到有可用内存可供使用。

编辑:我现在也在无头模式下运行浏览器,这会导致完全相同的错误。

P粉986860950
P粉986860950

全部回复(1)
P粉129168206

进一步记录后,我发现问题是我打开浏览器然后从不关闭它而导致内存泄漏。通过在 scrapeData() 函数的 return 语句之前添加行 await browser.close() ,内存泄漏停止并且服务器能够正确解析所有类代码。

热门教程
更多>
最新下载
更多>
网站特效
网站源码
网站素材
前端模板
关于我们 免责声明 Sitemap
PHP中文网:公益在线PHP培训,帮助PHP学习者快速成长!