java 调用 phantomjs
来源:互联网 发布:c语言system pause 编辑:程序博客网 时间:2024/05/21 17:36
日前有采集需求,当我把所有的对应页面的链接都拿到手,准备开始根据链接去采集(写爬虫爬取)对应的终端页的时候,发觉用程序获取到的数据根本没有对应的内容,可是我的浏览器看到的内容明明是有的,于是浏览器查看源代码也发觉没有,此时想起该网页应该是ajax加载的。不知道ajax的小朋友可以去学下web开发啦。
采集ajax生成的内容手段不外乎两种。一种是通过http观察加载页面时候的请求,然后我们模仿该请求去得到对应的内容,第二种则是模仿浏览器行为去渲染这个页面得到内容。我在这里决定采用第二种方式,之前一直玩webkit,不过一直要加载页面太浪费资源了,此时了解到有一个好玩的玩意phantomjs,这是个可以用命令行来操作webkit的玩意,然后也可以直接在里面用js的api去操作页面(当然,我这边比较简单就懒得用了)。
下载完phantomjs之后直接解压就可以使用,然后在path目录加入phantomjs的路径(以便直接在命令行就可以执行phantomjs命令)。
接下来要完成个代码,一个是用phantomjs去获取页面(采用js编写行为),一个是采用java去调用phantomjs来达到获取内容的作用,接下来直接贴代码。
//codes.js system = require('system') address = system.args[1];//获得命令行第二个参数 接下来会用到 //console.log('Loading a web page'); var page = require('webpage').create(); var url = address; //console.log(url); page.open(url, function (status) { //Page is loaded! if (status !== 'success') { console.log('Unable to post!'); } else { //console.log(page.content); //var title = page.evaluate(function() { // return document.title;//示范下如何使用页面的jsapi去操作页面的 www.oicqzone.com // }); //console.log(title); console.log(page.content); } phantom.exit(); });
上述的js代码估计应该没几个看不懂的。。。
接下来贴java代码!
import org.apache.commons.io.IOUtils; import java.io.*; /** * Created with IntelliJ IDEA. * User: lsz * Date: 14-4-22 * Time: 下午1:17 * utils for http */ public class HttpUtils { public static String getAjaxCotnent(String url) throws IOException { Runtime rt = Runtime.getRuntime(); Process p = rt.exec("phantomjs.exe c:/phantomjs/codes.js "+url);//这里我的codes.js是保存在c盘下面的phantomjs目录 InputStream is = p.getInputStream(); BufferedReader br = new BufferedReader(new InputStreamReader(is)); StringBuffer sbf = new StringBuffer(); String tmp = ""; while((tmp = br.readLine())!=null){ sbf.append(tmp); } //System.out.println(sbf.toString()); return sbf.toString(); } public static void main(String[] args) throws IOException { getAjaxCotnent("http://www.oicqzone.com"); } }
0 0
- java 调用 phantomjs
- java调用phantomjs
- java调用phantomjs采集ajax加载生成的网页
- java调用phantomjs采集ajax加载生成的网页
- Java调用phantomjs采集ajax加载生成的网页
- PhantomJS其他语言调用
- webdriver调用phantomJS报错
- Java PhantomJs下载网页
- phantomjs+java+webserver
- phantomjs
- phantomjs
- phantomjs
- PhantomJS
- PhantomJS
- phantomjs
- phantomjs
- PhantomJS
- phantomjs
- openwrt的必要设置
- 如果我来出面试题
- javascript 淡入淡出效果
- Google C++单元测试框架(Gtest)系列教程之四——参数化
- Failed to convert property value of type [org.apache.commons.dbcp.BasicDataSource] to required
- java 调用 phantomjs
- 【iOS开发-82】四个案例认识Quartz2D:模拟UIImageView、圆形头像切割、打水印、截屏
- vim中tabstop、shiftwidth、softtabstop以及expandtab的关系
- Ribbon界面介绍
- shouldOverrideUrlLoading返回值问题
- ceph存储 ldconfig和ldd用法
- Objective-C Runtime
- Google C++单元测试框架(Gtest)系列教程之五——再论测试固件
- gosave 2.0 病毒去除