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。
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。