javascript - 调用脚本后如何获取页面的 html 源代码？

Question

我正在尝试解析网站。该站点(我想)使用脚本和数据库来加载数据(动态？)。这是我的问题...我试图通过 C# 或 JS 获取数据(不幸的是我现在无法访问代码)。似乎 C# 和 JS 都只获取网站的模板，但不要等到所有脚本执行完毕。所以这是我的问题，有什么方法可以获取所有 html 源吗？也许以某种方式调用脚本。或者发出请求，等待10秒，然后将源html数据写入变量？

这是我的 JS 代码。

function request(link)
{

    var xhr = new XMLHttpRequest();

    xhr.open('GET', link, true);

    xhr.onreadystatechange = function() . 
        {console.log(xhr.readyState);};

    xhr.send();

    let data  = xhr.responseText;

    var tempDiv = document.createElement('div');
    tempDiv.innerHTML = data.replace(/<script(.|\s)*?\/script>/g, 
        '');

    return tempDiv;
}

function loadFile(url, timeout, callback) 
{
    var args = Array.prototype.slice.call(arguments, 3);
    var xhr = new XMLHttpRequest();
    xhr.ontimeout = function () {
        console.error("The request for " + url + " timed out.");
        };
    xhr.onload = function() {
        if (xhr.readyState === 4) {
            if (xhr.status === 200) {
                callback.apply(xhr, args);
            } else {
                console.error(xhr.statusText);
            }
        }
    };
    xhr.open("GET", url, true);
    xhr.timeout = timeout;
    xhr.send(null);

    let data  = xhr.responseText;
    return data;
}

function showMessage (message) {
    console.log(message + this.responseText);
}

function include(scriptUrl)
{
    var xmlhttp = new XMLHttpRequest();
    xmlhttp.open("GET", scriptUrl);
    xmlhttp.onreadystatechange = function()
    {
        if ((xmlhttp.status == 200) && (xmlhttp.readyState == 4))
       {
            eval(xmlhttp.responseText);
       }
    };
    xmlhttp.send();

    let data  = JSON.parse(xmlhttp.responseText);

    var tempDiv = document.createElement('div');
    tempDiv.innerHTML = data.replace(/<script(.|\s)*?\/script>/g, 
     '');

    return tempDiv;
}

所有这些功能都不能按我想要的方式工作。

Answer 1

这并不实际 - 您正在尝试加载 HTML 页面以及所有关联的脚本，然后在 HTML 页面上运行它们，就像它们在正确的浏览器环境中一样，但在当前的浏览器 session 中。

如果您在服务器端 (NodeJS) 上运行，则使用 jsdom 库可以实现此类操作，因为它模拟浏览器行为:https://github.com/jsdom/jsdom 。所以你可以这样做

JSDOM.fromURL("https://example.com/", { runScripts: "dangerously" }).then(dom => {
   console.log(dom.serialize()); //turn the page back into HTML
});

...获得全部内容。