使用nodejs和phantomjs进行动态抓取

Dynamic scraping using nodejs and phantomjs

本文关键字：动态 抓取 phantomjs nodejs 使用      更新时间：2023-09-26

首先，我已经成功安装了PhantomJs及其npm接口phantom。我已经设置了用新语法加载页面的代码（这里发布的所有其他问题都是基于旧代码语法的，或者我遗漏了一些东西）。这就是我想要搜集的资料来源。

现在，右侧边栏、在"Comune"附近有假选择的边栏和另一个边栏都是动态生成的，我不明白为什么phantomjs没有拾取它们。遵循我的代码：

var sito = "http://bicincitta.tobike.it/";
var sitepage = null;
var phInstance = null;
var phantom = require('phantom')
phantom.create()
    .then((instance) => {
    phInstance = instance;
return instance.createPage();
})
.then((page) => {
    sitepage = page;
return page.open(sito);
})
.then((status) => {
    console.log(status);
return sitepage.property('content');
})
.then((content) => {
    console.log(content);
sitepage.close();
phInstance.exit();
})
.catch((error) => {
    console.log(error);
phInstance.exit();
})

我现在头重重地撞在墙上。我应该以某种方式获取网站的脚本并执行它们吗？我是不是错过了指示？

此外，附带说明；如果页面的作用域在第二个".then".

中，那么我应该如何将其他方法连接到页面还不清楚

在过去的一周里，我一直在与PhantomJS合作，试图让它用角度渲染的数据来快照页面。我发现最容易做的事情是将page.injectJs('../script.js')用于任何本地脚本，将page.includeJs('http://jquery.com...')用于任何外部脚本。由于Phantom是沙盒的，除非您给它JS执行，否则它不会在捕获的页面上执行javascript。这将允许您对使用javascript呈现数据的页面进行屏幕截图。

html底部有一个CData脚本，phantom无法解析。这是项目的传播来源。

<script type="text/javascript">
//<![CDATA[
Sys.Application.initialize();
Sys.Application.add_init(function() {
    $create(Telerik.Web.UI.RadAjaxManager, {"_updatePanels":"","ajaxSettings":[],"clientEvents":{OnRequestStart:"",OnResponseEnd:""},"defaultLoadingPanelID":"","enableAJAX":true,"enableHistory":false,"links":[],"styles":[],"uniqueID":"RadAjaxManager1","updatePanelsRenderMode":0}, null, null, $get("RadAjaxManager1"));
});
Sys.Application.add_init(function() {
    $create(Telerik.Web.UI.RadAjaxPanel, {"clientEvents":{OnRequestStart:"",OnResponseEnd:""},"enableAJAX":true,"enableHistory":false,"links":[],"loadingPanelID":"","styles":[],"uniqueID":"ajCheckLoginUser"}, null, null, $get("ajCheckLoginUser"));
});
Sys.Application.add_init(function() {
    $create(Telerik.Web.UI.RadAjaxPanel, {"clientEvents":{OnRequestStart:"",OnResponseEnd:""},"enableAJAX":true,"enableHistory":false,"links":[],"loadingPanelID":"","styles":[],"uniqueID":"ajCheckLoginAdmin"}, null, null, $get("ajCheckLoginAdmin"));
});
Sys.Application.add_init(function() {
    $create(Telerik.Web.UI.RadAjaxPanel, {"clientEvents":{OnRequestStart:"",OnResponseEnd:""},"enableAJAX":true,"enableHistory":false,"links":[],"loadingPanelID":"","styles":[],"uniqueID":"ajLogoutUser"}, null, null, $get("ajLogoutUser"));
});
Sys.Application.add_init(function() {
    $create(Telerik.Web.UI.RadWindow, {"_dockMode":false,"behaviors":0,"clientStateFieldID":"radPortal_ClientState","destroyOnClose":true,"formID":"form1","height":"180px","iconUrl":"","left":"","minimizeIconUrl":"","modal":true,"name":"radPortal","reloadOnShow":true,"showContentDuringLoad":false,"skin":"Office2007","top":"","visibleStatusbar":false,"width":"450px"}, {"close":OnClientClosePortal}, null, $get("radPortal"));
});
Sys.Application.add_init(function() {
    $create(Telerik.Web.UI.RadWindowManager, {"behaviors":4,"clientStateFieldID":"windowManagerPortal_ClientState","destroyOnClose":true,"formID":"form1","iconUrl":"","left":"","minimizeIconUrl":"","modal":true,"name":"windowManagerPortal","reloadOnShow":true,"showContentDuringLoad":false,"skin":"Office2007","top":"","visibleStatusbar":false,"windowControls":"['radPortal']"}, null, {"child":"radPortal"}, $get("windowManagerPortal"));
    });
//]]>
</script>

一旦您离开与此网站服务器的通信，这些项目也将被销毁。有一些方法可以解决这个问题，但我认为你最好尝试其他方法。我使用npm cheerio加载CDATA html

相关文章：