Scrapling StealthyFetcher 的 page_action 如何读取 init_script 写入的 window 全局变量

在 Scrapling 中用 StealthyFetcher 抓取页面时，init_script 和 page_action 是两个常用参数：init_script 指向一个 JavaScript 文件，在页面创建时执行；page_action 是一个接收 Playwright page 对象的函数，在导航之后运行。一个常见的需求是：让 init_script 先把某些数据写到 window 全局变量上，再在 page_action 里把值读回来。StealthyFetcher 文档明确指出一个坑：Stealthy 模式默认使用 Patchright 的隔离执行上下文（isolated execution context），因此 page_action 想读到 init_script 写进 window 的变量，必须用 page.evaluate(..., isolated_context=False)，不能直接读取。下面按这条路径给出完整写法。

init_script 与 page_action 的执行时机

先确认两个参数在请求流程中的位置，它们决定了你能在 page_action 里读到什么：

• init_script 是注册到浏览器 context 上的（源码中通过 context 的 add_init_script(path=...) 实现，见 _base.py），所以它在页面创建时执行，对会话中的所有页面生效。文档对它的定义是：一个 JavaScript 文件的绝对路径。
• page_action 在 page.goto() 导航完成、等待 load_dom/network_idle（若启用）之后立即执行，且早于 wait_selector 的等待；如果启用了 solve_cloudflare，它会先解决 Cloudflare 挑战再执行 page_action（执行顺序见 fetch 流程）。
• 因此，导航完成后 page_action 运行时，init_script 早已执行完毕，window 上的变量已经存在——剩下的问题只是"在哪个执行上下文里读"。

单请求主路径：fetch 时同时传 init_script 和 page_action

准备一个 JavaScript 文件（内容自定，示例中的 myGlobalData 只是示例全局变量名，替换成你自己的 init 脚本实际写入的名字），保存后记住它的绝对路径。init_script 只接受绝对路径，相对路径不满足文档要求。

// init.js：init_script 指向的文件，示例内容
window.myGlobalData = {
    source: 'init-script',
    items: []
};

然后在 Python 侧传两个参数。page.evaluate 的第一个参数是要执行的 JS 表达式，即你在 init 脚本里写的全局变量名；isolated_context=False 是关键，它让表达式回到页面主世界执行，从而能拿到 init_script 写入的值：

from scrapling.fetchers import StealthyFetcher
from playwright.sync_api import Page

def read_init_global(page: Page):
    # 第一个参数为 JS 表达式，即 init.js 写入 window 的变量名
    value = page.evaluate('window.myGlobalData', isolated_context=False)
    print(value)  # 在 action 内打印确认读到的值，无固定预期输出

page = StealthyFetcher.fetch(
    'https://example.com',
    init_script='/absolute/path/to/init.js',  # 替换为你 init.js 的绝对路径
    page_action=read_init_global,
)

关于验证，文档没有给出固定成功日志，判断点在于执行上下文：按 StealthyFetcher 文档的说明，init_script 注册在浏览器 context 上、于页面创建时运行；而 Stealthy 模式默认使用 Patchright 的隔离执行上下文，所以从 page_action 读取该 window 全局变量时必须传 isolated_context=False。如果读出来的不是你在 init 脚本里写入的值，先检查两点：init_script 是否用了绝对路径、page.evaluate 是否漏了 isolated_context=False。

另一个需要注意的事实来自源码：page_action 抛出的异常会被 fetcher 捕获并记录为 Error executing page_action: ... 日志，而不会中断请求（见 _stealth.py）。所以不要依赖函数里抛异常来确认读取结果，应在 page_action 内把读到的值打印或记录下来，再据此判断。

异步版本

使用 async_fetch 时，传入的函数也必须是 async，page.evaluate 调用需要 await（文档在 DynamicFetcher 的 Browser Automation 一节说明了这一约定，StealthyFetcher 同为 Playwright 接口，规则一致）：

from scrapling.fetchers import StealthyFetcher
from playwright.async_api import Page

async def read_init_global(page: Page):
    value = await page.evaluate('window.myGlobalData', isolated_context=False)
    print(value)

page = await StealthyFetcher.async_fetch(
    'https://example.com',
    init_script='/absolute/path/to/init.js',  # 替换为你 init.js 的绝对路径
    page_action=read_init_global,
)

可选分支：在 StealthySession 中配置

如果你要复用同一个浏览器发起多个请求，可以用 StealthySession。在会话类中，fetch 的全部参数都可以在构造会话时设置，但 init_script 不在文档列出的"可按单个请求覆盖"的参数列表里（该列表包含 page_action、timeout、wait 等，见 文档说明），所以 init_script 应作为会话级配置传入，page_action 则可以在每次 session.fetch 时指定：

from scrapling.fetchers import StealthySession

def read_init_global(page: Page):
    value = page.evaluate('window.myGlobalData', isolated_context=False)
    print(value)

with StealthySession(
    init_script='/absolute/path/to/init.js'  # 会话级配置，对该会话所有页面生效
) as session:
    page = session.fetch('https://example.com', page_action=read_init_global)

限制与边界

• init_script 必须是 JavaScript 文件的绝对路径，且作用于会话中的所有页面，不能按 URL 区分不同脚本。
• isolated_context=False 是 Stealthy 模式下的必要处理，因为默认执行上下文是隔离的；文档没有为其他场景（如 DynamicFetcher）给出相同约定，本文不展开。
• page_action 内部的异常只会被记录日志，请求仍会返回 Response 对象，排查时以日志中的 Error executing page_action: 为准。
• page_action 执行时页面已完成 load_dom（默认启用）等待，此时 init_script 一定已经运行过；不需要为"脚本还没执行"额外加等待。