Question

我需要处理已经损坏的脚本文件的html文件，这些脚本文件是通过标记添加到它的。我打算通过phantomjs删除网页中的所有脚本标签。但是在通过webpage.open（）打开网页时，会抛出phantomjs解析错误，因为它无法解析脚本标记中的JS内容。这是一个例子：

<html>
<head>
<script>
corrupted JS
if(dadadd
 ;
</script>
<body>
some content
</body>
</html>

有人可以帮我建议使用phantomjs清理此网页的正确方法吗？

Answer 1

这不是（轻松）可能。您可以下载（不是通过打开页面，而是在page.evaluate()中发出Ajax请求）静态html，然后根据您的需要进行更改，然后将其分配给page.content。

这仍然可能无效，因为只要您将其分配给page.content，就会说PhantomJS应该将此来源解释为来自未知域的页面（about：blank）。由于页面源包含所有类型的没有域名的链接/脚本/样式表，因此您还必须更改这些页面，以便页面成功加载各种资源。

使用自定义规则在PhantomJS和互联网之间建立代理可能更容易，可根据需要调整页面来源。