DOMContentLoaded 与 Load 事件

Scrapeless Agent Browser 通过兼容的客户端提供浏览器会话，用于导航动态页面并检查其渲染后的内容。

区分文档里程碑与任务完成

DOMContentLoaded 和 window 的 load 事件描述了文档生命周期中的不同时间点。它们是有用的导航里程碑，但都不是应用已经完成爬虫所需工作的通用信号。

该 HTML 解析与生命周期模型 定义了文档处理和脚本执行如何引出生命周期事件。DOMContentLoaded 发生在解析和相关延迟脚本执行之后。window 的 load 事件则在文档加载序列的更后阶段触发，即所有会延迟该事件的资源加载完成之后。

应用可以在任一里程碑之后再请求数据。某个用户操作也可能在很久以后触发另一次请求。页面还可能在显示错误或挑战时到达某个生命周期事件。把事件理解为关于文档处理的证据，再单独检查任务所需的目标内容。

一目了然地比较这些事件

你选择的事件应与需要观察的工作相匹配。读取页面标题和填充完毕的商品网格可能需要不同的完成条件。

此比较讨论的是文档的 window load 事件，而不是每个资源元素自身的 load 事件。图片、脚本或 frame 都有自己的事件目标和时间点。在调试等待逻辑时，先确认你的客户端实际在观察哪个事件。

理解脚本加载如何影响时间点

脚本行为会影响文档里程碑，因此简单的“图片前后”解释是不完整的。阻塞解析的脚本、延迟脚本、模块脚本和异步脚本与解析和事件时间点都有不同关系。

在解析过程中运行的脚本可以延迟解析器。延迟脚本的执行参与了 DOMContentLoaded 之前的序列。异步工作可以独立完成，应用也可以不管最初脚本加载模式，在之后安排更新。

样式表也可以在脚本必须等待样式表时间接影响脚本时间点。避免笼统地说 DOMContentLoaded 会等待所有样式表。依赖关系才是关键，而页面具体的加载设计决定了实际观察到的顺序。

为了诊断问题，记录所需内容相对于该里程碑变得可见的时间点。一个在 DOMContentLoaded 之后才出现的数据承载元素说明仅靠该事件是不够的。load 之后仍缺失的元素则可能说明应用工作延迟、页面状态不对或确实不存在。先检查文档，再调整等待策略。

为所需记录定义何谓就绪

数据就绪应描述产生一条有效记录所必需的状态。从字段约定出发来定义该状态，而不是从某个方便的全局事件出发。

对于商品详情任务，就绪状态可能需要目标商品标识符以及稳定下来的价格字段。对于文章任务，它可能需要标题和正文区域。对于搜索列表，它可能需要结果容器或显式的无结果消息。

仅有容器的存在可能太弱。许多应用会先创建容器再填充内容。仅可见的标题也可能太弱，如果同一页面上还有加载占位符或先前的选择。选择一个能区分这些状态的可观察条件。

保持条件有界。如果在任务允许的等待时间内未出现所需状态，则保留失败证据并将结果归类为不完整。不要将等待超时自动转换为空数据集。显式的空状态和未观测到的结果具有不同的含义。

分别处理现有文档和新导航

生命周期事件属于某个文档实例。如果客户端在事件已经触发之后才开始观察，新增的监听器不会重放过去的事件。对于已有页面，请使用自动化客户端已文档化的导航和加载状态行为。

The DOM 事件分派模型 解释了为什么事件发生和之后的文档检查是不同的观察。记录是哪一次导航创建了该文档，以及客户端当时是在等待那次导航，还是在检查已打开的页面。

单页应用程序的切换可能会在不触发与新导航相同的完整文档加载序列的情况下更改可见内容。路由变更、筛选器选择或模态操作，可能需要基于应用程序特定的完成检查，而不是依赖另一个窗口加载事件。

当一次点击打开一个新标签页时，原始标签页的生命周期几乎不能说明新页面的情况。请识别目标页面并检查其状态。确保操作和观察与同一预期上下文保持关联。

将网络空闲视为单独的启发式规则

网络空闲是客户端对网络活动的一种自定义观察，而不是 HTML 生命周期事件。它的实用性取决于页面本身以及自动化库对其的定义。

具有分析、轮询或流式传输功能的页面，在所需数据就绪后仍可能保持活动状态。另一个页面则可能在稍后的计时器或交互填充某个字段之前变得安静。因此，网络静默不应取代数据契约。

检查哪些请求会影响输出。如果是某个特定的应用请求填充了目标区域，那么已接受内容状态通常比页面上的每个请求都要更清晰地界定边界。在不把无关的后台活动作为所有提取操作的前提条件的情况下，保留网络诊断信息。

固定的休眠也有类似的局限性。它测量的是经过的时间，而不是字段是否正确。仅在任务确实有合理的时间要求时才使用它，并且仍然要验证生成的内容。不要把一次恰好奏效的延迟描述成普遍就绪的证据。

避免过快接受错误的文档

快速的里程碑可能会让错误的页面看起来像一次成功的导航。在应用字段提取之前，请检查最终URL和文档身份。

该 HTTP 状态码和响应语义 描述的是响应交换过程，而浏览器的生命周期描述的是对结果文档的处理。一次成功的 HTTP 响应可能包含一个回退页面，而已加载的文档可能包含访问挑战。这两种信号都不能证明已获得所请求的文章或产品。

记录所请求的 URL、最终 URL、标题、相关标题以及所需区域。如果页面包含明确的错误状态，则将其从正常数据接收中排除。若所需记录不存在，检查页面是否表示空结果或不完整的应用状态。

可选资源需要各自的验收标准。文本提取可能不需要所有图像，而视觉捕捉可能依赖字体、图像加载以及所需布局。等待策略应当根据交付物本身来制定，而不是遵循统一的事件偏好。

在代表性页面上比较等待策略

一个有用的等待评估衡量的是任务何时变得有效，而不仅仅是导航何时完成。使用具有代表性的页面类型，并在进行时间观测的同时保留内容检查。

比较静态文档、由客户端填充的记录、明确的空状态以及具有持续后台活动的页面。记录发生了哪个里程碑，以及必填字段是否已真正就绪。产生快速但不完整记录的策略不应被视为更快的成功抽取。

对于正在变化的界面，请保留一份诊断捕获，其中包含所需区域及其标识。如果某个选择器之后失效，这些证据有助于区分结构漂移与时序问题。更长的等待时间无法修复适用于不同布局的选择器。

使用具有内容接受条件的代理浏览器

无痕代理浏览器 为观察动态页面提供执行环境。 代理浏览器会话模型 并不能消除对特定客户端等待以及特定记录接受条件的需求。

The 基于智能体驱动的浏览器导航工作流 为受控页面操作提供相关上下文。根据当前客户端说明进行实现，并保持所需的页面状态为显式。本页面比较事件语义，但不声明通用的服务等待设置。

审查 无爬取定价 针对会话工作产生有效输出的情况。为无关资源而不必要地等待会浪费时间，而过早接受记录则会在下游产生数据错误。在实际任务中评估这两种后果。

结论：等待你所需的证据

在文档里程碑（如 DOMContentLoaded 或 load）触发后执行，然后添加一个与请求内容绑定的条件。先确认页面身份，区分显式的空结果与未完成渲染，并根据交付物类型选择视觉检查或数据检查。合适的等待应在任务证据足够时结束。