javascript - 如何使用 PhantomJS 和 node.js 进行抓取？

Question

我已经通过npm install node-phantom安装了node-phantom，但是当我运行此代码时，它给出了Cannot find module 'webpage'这个错误

var webpage = require('webpage').create(),
    url = "https://www.example.com/cba/abc",
    hrefs = new Array();
webpage.open(url,function(status){
    if(status=="success"){
        var results = page.evaluate(function(){
            $("#endpoints").each(function() {
                  hrefs.push($(this).attr("href"));
            });
            return hrefs;
        });
        console.log(JSON.stringify(results));
        phantom.exit();
    }
});

Answer 1

您不需要node-phantom中的网页模块。您可以使用它的 API 来获取网页模块的表示。必须这样做，因为 PhantomJS 的执行运行时与 Node.js 不同。他们通常不能使用相同的模块。这就是为什么这两个执行环境之间存在桥梁的原因，例如 node-phantom和 phantom 。它们本质上复制了 PhantomJS 的 API 以在 Node.js 中使用。

根据文档，您不需要网页，而是获得一个页面:

var phantom = require('node-phantom');
phantom.create(function(err,ph) {
  return ph.createPage(function(err,page) {
    // do something with page: basically your script
  });
});

您将无法仅复制并粘贴现有的 PhantomJS 代码。存在差异，因此您必须研究 API(基本上是 github 上的 README)。

代码的完整翻译:

var phantom = require('node-phantom');
phantom.create(function(err,ph) {
  return ph.createPage(function(err,page) {
    page.open(url,function(status){
      if(status=="success"){
        page.evaluate(function(){
          hrefs = [];
          $("#endpoints").each(function() {
            hrefs.push($(this).attr("href"));
          });
          return hrefs;
        }, function(err, results){
          console.log(JSON.stringify(results));
          ph.exit();
        });
      }
    });
  });
});

page.evaluate仍然处于沙盒状态，因此您不能像 hrefs 那样使用外部变量。