Question

我正在尝试为搜索引擎优化目的制作一个抓取工具，我似乎无法让PhantomJS至少下载此特定页面：https://tablet.euroslots.com/home/

如果我使用cURL它工作正常（但显然不处理javascript）：

✓ 1344:0 /cherrytech/js-crawler root› curl https://tablet.euroslots.com/home/
<!doctype html><!--[if lt IE 7]><html class="no-js lt-ie9 lt-ie8 lt-ie7"> ...

My PhantomJS脚本：

var page = require('webpage').create();

page.onResourceRequested = function (request) {
  console.log('Request ' + JSON.stringify(request, undefined, 4));
};

page.onResourceReceived = function(response) {
  console.log('Response (#' + response.id + ', stage "' + response.stage + '"): ' + JSON.stringify(response));
};

page.onResourceError = function(resourceError) {
  console.log('Unable to load resource (#' + resourceError.id + 'URL:' + resourceError.url + ')');
  console.log('Error code: ' + resourceError.errorCode + '. Description: ' + resourceError.errorString);
};

page.settings.userAgent = 'Mozilla/5.0 (iPad; CPU OS 6_0 like Mac OS X) AppleWebKit/536.26 (KHTML, like Gecko) Version/6.0 Mobile/10A406 Safari/8536.25';
page.open('https://tablet.euroslots.com/home/', function() {
  console.log(page.content);
  phantom.exit();
});

这是运行它的结果：

✓ 1347:0 /cherrytech/js-crawler root› phantomjs crawler.js
Request {
    "headers": [
        {
            "name": "User-Agent",
            "value": "Mozilla/5.0 (iPad; CPU OS 6_0 like Mac OS X) AppleWebKit/536.26 (KHTML, like Gecko) Version/6.0 Mobile/10A406 Safari/8536.25"
        },
        {
            "name": "Accept",
            "value": "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8"
        }
    ],
    "id": 1,
    "method": "GET",
    "time": "2014-09-16T16:02:24.426Z",
    "url": "https://tablet.euroslots.com/home/"
}
Unable to load resource (#1URL:https://tablet.euroslots.com/home/)
Error code: 2. Description: Connection closed
Response (#1, stage "end"): {"contentType":null,"headers":[],"id":1,"redirectURL":null,"stage":"end","status":null,"statusText":null,"time":"2014-09-16T16:02:24.763Z","url":"https://tablet.euroslots.com/home/"}
<html><head></head><body></body></html>

Answer 1

尝试使用--ssl-protocol = any

调用phantomjs

我有一个完全相同的问题，一个星期前有一个外部网站。

所以我搜索了一下，发现了Qt QNetworkReply connection closed中描述的相关问题。它帮助我调查了phantomjs的嵌入式Qt：它默认强制在SSLv3中建立新的连接，这对于旧站点来说太新了，或者对于新站点来说太旧了（但是在Qt 4.8.4时是非常合理的默认值）释放）。

使用“any”，你告诉phantomjs尝试所有协议，这应该可以帮助你通过测试。它将尝试比SSLv3更安全的协议，但SSLv3的安全性也低于SSLv3（SSLv3处于中间范围）。因此，如果“any”有效，那么您应该尝试强制使用比SSLv3更安全的值而不是“any”。在我的例子中，指定--ssl-protocol = tlsv1工作。

猜猜最近SSL的问题（goto fail，heartbleed，poodle等）使得很多网站升级了他们的服务器，现在拒绝SSLv3连接。但是，如果您的服务器使用比SSLv3更旧的协议，请保留“any”（以及所有相关的安全风险......）。

试图使用PhantomJS处理网页的问题

1 个答案: