html - Powershell：下载或保存整个 ie 页面的源代码

Question

我有这个 PS 脚本，它登录到一个站点，然后导航到另一个页面。

我想保存该页面的整个源代码。但出于某种原因。源代码的某些部分没有遇到。

$username = "myuser" 
$password = "mypass"
$ie = New-Object -com InternetExplorer.Application
$ie.visible=$true
$ie.navigate("http://www.example.com/login.shtml")
while($ie.ReadyState -ne 4) {start-sleep -m 100}
$ie.document.getElementById("username").value = "$username"
$ie.document.getElementById("pass").value = "$password"
$ie.document.getElementById("frmLogin").submit()
start-sleep 5
$ie.navigate("http://www.example.com/thislink.shtml")
$ie.Document.body.outerHTML | Out-File -FilePath c:\sourcecode.txt

这是没有遇到
http://pastebin.com/Kcnht6Ry的代码的pastebin

Answer 1

导航后，再次检查就绪状态，而不是使用睡眠。您拥有的相同代码将起作用。

运行代码后出现，如果网站加载缓慢，sleep可能不够长。

while($ie.ReadyState -ne 4) {start-sleep -m 100}

看起来还有另一篇关于此 innerHTML 将 CDATA 转换为评论的帖子看起来有人在该页面上创建了一个函数，您可以在其中清理它。一旦你在代码中声明了函数，它就会是这样的

htmlWithCDATASectionsToHtmlWithout($ie.Document.body.outerHTML) | Out-File -FilePath c:\sourcecode.txt

Answer 2

我同意@tkrn 关于使用 while 循环等待 IE 文档准备好的观点。为此，我建议在循环内至少使用 2 秒。

while($ie.ReadyState -ne 4) {start-sleep -s 2}

我仍然找到了一种更简单的方法来完全从 URL 获取整个 HTML 源页面。这里是：

$ie.Document.parentWindow.execScript("var JSIEVariable = new XMLSerializer().serializeToString(document);", "javascript")
$obj = $ie.Document.parentWindow.GetType().InvokeMember("JSIEVariable", 4096, $null, $ie.Document.parentWindow, $null)
$HTMLDoc = $obj.ToString()

现在，$HTMLDoc 拥有完整的 HTML 源页面，您可以将其保存为 html 文件。