2

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 />标签内）返回给执行的 PHP 函数phantomjs httpget.js。

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

与浏览器相比，使用 phantomjs 加载网页也需要更长的时间。

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 （从外壳运行）

hello!
Page title is [object Object]
4

3 回答 3

2

document.body.innerHTML包含正文的 HTML。

于 2012-08-20T00:58:56.793 回答
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 node（或通过 node-phantom 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 <html> 标记的页面。

于 2012-08-20T20:15:33.970 回答
0

阅读文档，page.content获取整个 HTML。

于 2012-08-21T02:37:53.990 回答