Question

我正在尝试使用PhantomJS加载页面（使用Javascript在网页上加载项目）并将页面上的所有HTML（至少在<body />标记内）返回给执行的PHP函数phantomjs httpget.js。

问题：我可以让phantomjs返回document.title，但要求console.log(document.body)简单给我一个[object Object]。如何提取页面的HTML？

与浏览器相比，使用phantomj加载网页需要更长的时间。

httpget.js

console.log('hello!');
var page = require('webpage').create();
page.open("http://www.asos.com/Men/T-Shirts-Vests/Cat/pgecategory.aspx?cid=7616#parentID=-1&pge=0&pgeSize=900&sort=1",
    function(status){
        console.log('Page title is ' + page.evaluate(function () {
            return document.body;
        }));
        phantom.exit();
    });

输出 （从shell运行）

hello!
Page title is [object Object]

Answer 1

document.body.innerHTML包含正文的HTML。

Answer 2

不确定这与Node.js有什么关系，因为您似乎直接使用PhantomJS，而不是节点（或通过节点模型幻像）......

但要回答你的问题，你需要这样做：

var html = page.evaluate(function () {
    var root = document.getElementsByTagName("html")[0];
    var html = root ? root.outerHTML : document.body.innerHTML;
    return html
});

这适用于没有外部＆lt; html＆gt;的网页标签

Answer 3

阅读文档，page.content为您提供整个HTML。

使用Phantom的网页HTML

3 个答案: