Как я могу улучшить скорость работы программы парсинга?

У меня есть личный проект, в котором я хочу проанализировать данные ассоциации защиты животных Франции (SPA). Поэтому я использую puppeteer, чтобы удалить сайт. Это моя первая программа на node.js. Так что, если у кого-то есть идея, как я могу улучшить скорость этого (1 час, это нормально, но я ищу, чтобы улучшить его!). Это мой сценарий:

const puppeteer = require('puppeteer');
const fs = require('fs');

async function run() {
    const browser = await puppeteer.launch();
    const page = await browser.newPage();
    
    await page.goto('https://www.la-spa.fr/adoption/');

    console.info('Page loaded');
    
    // Accept cookies
    await page.waitForSelector('#gdpr-accept');
    await page.click('#gdpr-accept');

    console.info('Cookies accepted');

    // Scroll down
    for (let i = 0; i < 4; i++) {
        await page.evaluate(() => {
            window.scrollBy(0, window.innerHeight);
        });
        await new Promise(resolve => setTimeout(resolve, 5000));
    }

    console.info('Scrolled down');

    let seeMoreActive = true;
    let animalData = [];
    let processedIds = new Set();
    let counter = 0;

    while (seeMoreActive) {
        counter++;
        try {
            await page.waitForSelector('.c-see-more_link', { timeout: 5000 });
            await page.click('.c-see-more_link');
            await new Promise(resolve => setTimeout(resolve, 5000));
        } catch (error) {
            seeMoreActive = false;
        }

        // Get new animal data
        const newAnimalIds = await page.$$eval('a[data-animal-id]', elements => elements.map(element => element.getAttribute('data-animal-id')));
        const newAnimalLinks = await page.$$eval('a[data-animal-id]', elements => elements.map(element => element.href));
        const newAnimalRaces = await page.$$eval('a[data-animal-id]', elements => elements.map(element => element.getAttribute('data-animal-race')));
        const newAnimalNames = await page.$$eval('a[data-animal-id]', elements => elements.map(element => element.getAttribute('data-animal-nom')));
        const newAnimalGenders = await page.$$eval('a[data-animal-id]', elements => elements.map(element => element.getAttribute('data-animal-gender')));
        const newAnimalAges = await page.$$eval('a[data-animal-id]', elements => elements.map(element => element.getAttribute('data-animal-age')));
        const newAnimalSos = await page.$$eval('a[data-animal-id]', elements => elements.map(element => element.getAttribute('data-animal-sos')));
        const newAnimalSpecies = await page.$$eval('a[data-animal-id]', elements => elements.map(element => element.getAttribute('data-animal-espece')));
        const newAnimalEstablishments = await page.$$eval('a.f-miniAnimals_establishment span', elements => elements.map(element => element.textContent));

        console.info(`Iteration ${counter}:`);
        console.info('New Animal IDs:', newAnimalIds);
        console.info('New Animal Links:', newAnimalLinks);
        console.info('New Animal Races:', newAnimalRaces);
        console.info('New Animal Names:', newAnimalNames);
        console.info('New Animal Genders:', newAnimalGenders);
        console.info('New Animal Ages:', newAnimalAges);
        console.info('New Animal SOS:', newAnimalSos);
        console.info('New Animal Species:', newAnimalSpecies);
        console.info('New Animal Establishments:', newAnimalEstablishments);

        // Process new animals
        for (let i = 0; i < newAnimalIds.length; i++) {
            if (!processedIds.has(newAnimalIds[i])) {
                processedIds.add(newAnimalIds[i]);
                animalData.push({
                    id: newAnimalIds[i],
                    link: newAnimalLinks[i],
                    race: newAnimalRaces[i],
                    age: newAnimalAges[i],
                    sos: newAnimalSos[i],
                    genders: newAnimalGenders[i],
                    species: newAnimalSpecies[i],
                    name: newAnimalNames[i],
                    establishment: newAnimalEstablishments[i]
                });
            }
        }

    }

    console.info('Scraping finish');
    const timestamp = new Date().getTime();
    fs.writeFileSync(`animal_data_${timestamp}.json`, JSON.stringify(animalData, null, 2));

    await browser.close();
}

run();
Избегайте тайм-аутов
ggorlen 29.07.2024 18:42

Если вы закомментируете строки console.info, будет ли работать быстрее? Они могут быть дорогими по времени.

Andrew Morton 29.07.2024 19:38
Стоит ли изучать PHP в 2023-2024 годах?
Стоит ли изучать PHP в 2023-2024 годах?
Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.
Приемы CSS-макетирования - floats и Flexbox
Приемы CSS-макетирования - floats и Flexbox
Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...
Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest
В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...
Концепция локализации и ее применение в приложениях React ⚡️
Концепция локализации и ее применение в приложениях React ⚡️
Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...
Пользовательский скаляр GraphQL
Пользовательский скаляр GraphQL
Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...
1
2
53
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Вы можете использовать API, только один запрос менее чем за секунду:

async function getAllPages() {
  const baseUrl = "https://www.la-spa.fr/app/wp-json/spa/v1/animals/search/?api=1&seed=1";
  const pageCount = await fetch(baseUrl).then(r => r.json()).then(o => o.nb_pages);
  const results = await fetch(`${baseUrl}&paged=${pageCount}&full=1`).then(r => r.json()).then(o => o.results);
  return results;
}

getAllPages().then(a => console.info(a.length));

Привет @GTK большое спасибо за этот ответ. Кроме того, как вы нашли URL-адрес API для SPA?

francois LENNE 30.07.2024 12:09

@francoisLENNE через инструменты разработчика (F12) > вкладка «Сеть» > фильтр: Fetch/XHR и немного просматриваю код.

GTK 30.07.2024 17:45

Спасибо за ваш ответ !

francois LENNE 31.07.2024 11:09

Другие вопросы по теме