3

我想将一些带有 javascript 的网页转换为纯 html，我发现有几种方法（如果我错了，请告诉我）：

  1. 使用 Jython，例如：http ://blog.databigbang.com/web-scraping-ajax-and-javascript-sites/
  2. 将 Java 与 htmlunit 一起使用
  3. 使用代理，例如： http: //grep.codeconsult.ch/2007/02/24/crowbar-scrape-javascript-generated-pages-via-gecko-and-rest/
  4. 将 python 与 qt 或 PyV8 一起使用

因为我想做一个小工具来满足我的要求，我觉得安装V8和qt有点复杂，虽然python是我的首选。

所以我尝试用 gecko 做一个代理，但它似乎需要一个我在远程 Linux 服务器上买不起的 DISPLAY。

现在我正在尝试使用 jython，但似乎没有简单的方法可以将整个页面转换为纯 html。

实际上，我想问有没有一种方法可以将包含 javascript 的网页转换为纯 html，就像浏览器一样。node.js 可以完成这项工作吗？

4

1 回答 1

2

我最近在 PhantomJS 之上构建了一个服务器来执行此操作。我强烈推荐这条路线。

http://phantomjs.org/

基本上，您编写一个让 PhantomJS 运行页面的快速脚本，并配置一个触发方法，让您知道页面已完成并发送数据。我的版本使用内置的 HTTP 服务器，所以 PhantomJS 很容易自己提供结果。这需要大约 15 行代码来完成。（抱歉，这里不能贴。。。上班时间写的。但是，看看他们主页上的例子。差不多完成了！）

于 2013-10-21T03:52:47.653 回答