使用 htmlunit 访问 Javascript 生成的 html -Java

javascript html-parsing java htmlunit

2022-09-04 21:33:13

我正在尝试测试一个使用javascript来呈现大部分HTML的网站。使用HTMLUNIT浏览器，您如何能够访问由javascript生成的html？我正在查看他们的文档，但不确定最好的方法是什么。

WebClient webClient = new WebClient();
HtmlPage currentPage = webClient.getPage("some url");
String Source = currentPage.asXml();
System.out.println(Source);

这是一种简单的方法来取回页面的html，但是你会使用domNode还是其他方法来访问javascript生成的html？

答案 1

你必须给JavaScript一些时间来执行。

检查下面的示例工作代码。它们不在原始源中。bucketdiv

import java.io.IOException;
import java.net.MalformedURLException;
import java.util.List;
import com.gargoylesoftware.htmlunit.*;
import com.gargoylesoftware.htmlunit.html.HtmlPage;

public class GetPageSourceAfterJS {
    public static void main(String[] args) throws FailingHttpStatusCodeException, MalformedURLException, IOException {
        java.util.logging.Logger.getLogger("com.gargoylesoftware").setLevel(java.util.logging.Level.OFF); /* comment out to turn off annoying htmlunit warnings */
        WebClient webClient = new WebClient();
        String url = "http://www.futurebazaar.com/categories/Home--Living-Luggage--Travel-Airbags--Duffel-bags/cid-CU00089575.aspx";
        System.out.println("Loading page now: "+url);
        HtmlPage page = webClient.getPage(url);
        webClient.waitForBackgroundJavaScript(30 * 1000); /* will wait JavaScript to execute up to 30s */

        String pageAsXml = page.asXml();
        System.out.println("Contains bucket? --> "+pageAsXml.contains("bucket"));

        //get divs which have a 'class' attribute of 'bucket'
        List<?> buckets = page.getByXPath("//div[@class='bucket']");
        System.out.println("Found "+buckets.size()+" 'bucket' divs.");

        //System.out.println("#FULL source after JavaScript execution:\n "+pageAsXml);
    }
}

输出：

Loading page now: http://www.futurebazaar.com/categories/Mobiles-Mobile-Phones/cid-CU00089697.asp‌x?Rfs=brandZZFly001PYXQcurtrayZZBrand
Contains bucket? --> true
Found 3 'bucket' divs.

使用的 HtmlUnit 版本：

<dependency>
    <groupId>net.sourceforge.htmlunit</groupId>
    <artifactId>htmlunit</artifactId>
    <version>2.12</version>
</dependency>

答案 2

假设问题是 JavaScript 由于 AJAX 调用而生成的 HTML，您是否尝试过 HtmlUnit FAQ 中的“AJAX 不起作用”部分？

howtos中还有一节关于如何将HtmlUnit与JavaScript一起使用。

如果你的问题在这里没有得到解答，我认为我们需要更多的细节来提供帮助。