从GWT页面提取HTML内容

Question

我想解析用GWT编写的HTML页面的内容。我尝试使用Jericho HTML内容解析器解析它，但问题是页面源没​​有内容。在对GWT页面进行一些研究之后，我开始知道GWT页面是用JAVA编写的，而GWT编译器从java代码创建了一个复杂的js页面结构，以在浏览器上显示HTML内容。

有没有办法可以解析这些类型的页面？

Answer 1

如果代码是在OBF - Obfuscated mode中编译的（代码通常在此模式下编译以供生产使用），那将非常困难，因为创建的JS文件是非人类可读的。

这个link可能有助于您更好地理解GWT编译器。

修改：

Here you go。这可能也会有所帮助。这里提到了如何De-obfuscate the Javascript。

<强> EDIT2 ：

GWT-Penetration-Testing-Toolset - 检查此工具。

Answer 2

就像（m）任何“单页网络应用程序”（包括例如Twitter，不使用GWT构建）一样，您必须运行JavaScript代码然后刮掉DOM。

使用HtmlUnit，PhantomJS或类似工具可以轻松（一切都是相对的）。