我正在尝试从需要登录的网站上抓取数据。不幸的是,与使用FF之类的Web浏览器相比,使用JSm / NodeJS获得的结果有所不同。特别是,我没有使用用户名,密码和提交按钮登录表单。

我了解Javascript至少是异步的。但是,我认为JSm的“完成”功能会同步等待页面的完整呈现。我想我想做的是模拟HTTPS获取并等待完整的document.ready完成。

var jsdom = require("jsdom");
var jsdom_global = require("jsdom-global");
var fs = require("fs");
var jquery = fs.readFileSync("./jquery-3.1.1.min.js", "utf-8");

jsdom.env({
  url: "https://wemc.smarthub.coop/Login.html#login:",
  src: [jquery],
  done: function (err, window) {
    var $ = window.$;
    if($("button#LoginSubmitButton").length) {
        console.log('Click button found');
    } else {
        console.log('Click button not found');
    }
    // The following text boxes are not coming back:
    // $("input#LoginUsernameTextBox")
    // $("input#LoginPasswordTextBox")

    // If I enable the line below, I see a lot less than I would if I
    // do a view source in any reasonable browser.
    //console.log($("body").html());


  }
});

最佳答案

通常,发生这种情况是因为JSDOM到达页面时,它不会执行JSDOM。在这种情况下,返回的唯一元素将是服务器呈现的HTML。

您可以尝试使用无头浏览器模块(例如PhantomJS等),然后看看效果如何。在JSDOM github page.的底部有一个关于两者之间区别的部分

关于javascript - 使NodeJS/JSm等待完整渲染后再进行抓取,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/41526729/

10-12 04:46