js抓取网页内容(phantomjs不时之需：我的理解不时之需)

　　js抓取网页内容(phantomjs不时之需：我的理解不时之需)

　　phantomjs：我的理解是它是一个非显示浏览器，也就是说它基本上可以做浏览器能做的所有任务，除了不能显示页面的内容。所以，最近由于实验需要，不得不从某电商公司爬取一些图片，但是是AJAX生成的。简单的爬取HTML的方法行不通，o(╯□╰)o，于是求助后，；学了PHANTOMJS，因为网上没找到太多例子，所以只好自己总结一下，以防万一。另外，直接看官网的文档会很有收获的~顺便锻炼一下你的英文o(╯□╰)o。我们拿一个栗子来实现：

　　下载并解压phantom到D盘，目录下有一个phantomjs.exe文件（win7）通过js文件调用这个WebKit就可以达到想要的目的：比如生成网页快照我要做的是爬AJAX页面上的图片，先看js文件：将其命名为s.js

　　system = require('system') //传递一些需要的参数给js文件

address = system.args[1];//获得命令行第二个参数 ，也就是指定要加载的页面地址，接下来会用到

var page = require('webpage').create();

var url = address;

page.open(url, function (status) {

if (status !== 'success') {

console.log('Unable to post!');

} else {

var encodings = ["euc-jp", "sjis", "utf8", "System"];//这一步是用来测试输出的编码格式，选择合适的编码格式很重要，不然你抓取下来的页面会乱码o(╯□╰)o，给出的几个编码格式是官网上的例子，根据具体需要自己去调整。

for (var i = 3; i < encodings.length; i++) {//我这里只要一种编码就OK啦

phantom.outputEncoding = encodings[i];

console.log(phantom.outputEncoding+page.content);//最后返回webkit加载之后的页面内容

}

}

phantom.exit();

});

　　接下来就是java类的编写：

　　package com.mvc.rest;

import java.io.BufferedReader;

import java.io.InputStream;

import java.io.InputStreamReader;

public class GetAjaxHtml {

public static String getAjaxContent(String url) throws Exception {

Runtime rt = Runtime.getRuntime();

Process p = rt.exec("D:/tools/phantomjs/phantomjs.exe D:/tools/phantomjs/examples/s.js " + url);

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 + "\n");

}

return sbf.toString();

}

public static void main(String[] args) throws Exception {

long start = System.currentTimeMillis();

String result = getAjaxContent("http://114.111.162.220:8093/404Web/");

System.out.println(result);

long end = System.currentTimeMillis();

System.out.println("===============耗时：" + (end - start) + "===============");

}

}

　　至此，你已经有了你需要的完整AJAX页面的代码串，然后就可以为所欲为了