7

我编写了一个程序，用于在单击按钮后从网页中抓取源代码。我无法抓取正确的页面，因为我相信正在发送 AJAX 请求，并且我不等待此响应发生。我的代码目前是：

public class Htmlunitscraper { 

  private static String s = "http://cpdocket.cp.cuyahogacounty.us/SheriffSearch/results.aspx?q=searchType%3dSaleDate%26searchString%3d10%2f21%2f2013%26foreclosureType%3d%27NONT%27%2c+%27PAR%27%2c+%27COMM%27%2c+%27TXLN%27";

  public static String scrapeWebsite() throws IOException {

    java.util.logging.Logger.getLogger("com.gargoylesoftware").setLevel(Level.OFF); 
System.setProperty("org.apache.commons.logging.Log", "org.apache.commons.logging.impl.NoOpLog");

    final WebClient webClient = new WebClient();
    final HtmlPage page = webClient.getPage(s);
    final HtmlForm form = page.getForms().get(2);
    final HtmlSubmitInput button = form.getInputByValue(">");
    final HtmlPage page2 = button.click();
    String originalHtml = page2.refresh().getWebResponse().getContentAsString();
    return originalHtml;
  }
}

参考此链接后，我相信要解决此问题，我可以实现方法“webClient.waitForBackgroundJavaScript(10000)”。唯一的问题是我不明白如何执行此操作，因为每次单击按钮时，我都会创建一个 HtmlPage 对象，而不是 WebClient 对象。我如何结合这种方法来解决问题？

4

2 回答 2

7

对我来说，它有助于将 htmlunit 2.15 与 NicelyResynchronizingAjaxController 一起使用，并且

webClient.getOptions().setThrowExceptionOnScriptError(false);

我的完整设置是

    WebClient webClient = new WebClient(BrowserVersion.FIREFOX_24);
    webClient.getOptions().setJavaScriptEnabled(true);
    webClient.getOptions().setThrowExceptionOnScriptError(false);
    webClient.getOptions().setCssEnabled(false);
    webClient.setAjaxController(new NicelyResynchronizingAjaxController());
于 2014-10-09T01:11:11.460 回答
4

我会尝试设置的解决方案

webClient.setAjaxController(new NicelyResynchronizingAjaxController());

这将导致所有 ajax 调用是同步的。

或者，您是否尝试在您的解决方案中调用“webClient.waitForBackgroundJavaScript(10000)”在您获得页面后？

像这样的东西：

final HtmlPage page2 = button.click();
webClient.waitForBackgroundJavaScript(10000)
String originalHtml = page2.asXml();
return originalHtml;

请同时使用 htmlunit 2.13

于 2013-11-07T10:25:54.170 回答