Question

我正在尝试分析PhantomJS中的锚链接（他们的text属性）。

检索发生在这里：

var list = page.evaluate(function() {
  return document.getElementsByTagName('a');
});

这将返回一个具有属性length的对象，该对象很好（在控制台中运行length时得到的document.getElementsByTagName('a');）。但是对象中的绝大多数元素都具有null的值，这并不好......我不知道为什么会这样。

我一直在玩转换到真正的数组slice并没有好处。我尝试过不同的网站，没有区别。我已经转储了.png文件以验证是否正确加载并且网站已正确加载。

这显然不是完整的脚本，而是一个在众所周知的公共站点上显示问题的最小脚本;）

如何从加载的页面中检索完整的锚点列表？

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

page.onError = function(msg, trace) 
{ //Error handling mantra
  var msgStack = ['PAGE ERROR: ' + msg];
  if (trace && trace.length) {
    msgStack.push('TRACE:');
    trace.forEach(function(t) {
      msgStack.push(' -> ' + t.file + ': ' + t.line + (t.function ? ' (in function "' + t.function +'")' : ''));
    });
  }
  console.error(msgStack.join('\n'));
};

phantom.onError = function(msg, trace) 
{ //Error handling mantra
  var msgStack = ['PHANTOM ERROR: ' + msg];
  if (trace && trace.length) {
    msgStack.push('TRACE:');
    trace.forEach(function(t) {
      msgStack.push(' -> ' + (t.file || t.sourceURL) + ': ' + t.line + (t.function ? ' (in function ' + t.function +')' : ''));
    });
  }
  console.error(msgStack.join('\n'));
  phantom.exit(1);
};

function start( url )
{
  page.open( url , function (status)
  {
    console.log( 'Loaded' ,  url , ': ' , status  );
    if( status != 'success' )
      phantom.exit( 0 );

    page.render( 'login.png');

    var list = page.evaluate(function() {
      return  document.getElementsByTagName('a');
    });

    console.log( 'List length: ' , list.length );

    for(  var i = 0 ; i < list.length ; i++ )
    {
     if( !list[i] )
      {
        console.log( i , typeof list[i] ,  list[i] === null , list[i] === undefined );
        //list[i] === null -> true for the problematic anchors
        continue;
      }
      console.log( i,  list[i].innerText , ',' , list[i].text /*, JSON.stringify( list[i] ) */ );
    }
    //Exit with grace
    phantom.exit( 0 );
  });
}    

start( 'http://data.stackexchange.com/' );
//start( 'http://data.stackexchange.com/account/login?returnurl=/' );

Answer 1

当前版本的phantomjs只允许原始类型（布尔值，字符串，数字，[]和{}）传递到页面上下文和从页面上下文传递。所以基本上所有函数都将被剥离，这就是DOM元素。来自t.niese found the quote：

的docs

注意： evaluate函数的参数和返回值必须是一个简单的原始对象。经验法则：如果它可以通过JSON序列化，那就没关系了。

闭包，函数，DOM节点等不起作用！

您需要在页面上下文中完成部分工作。如果你想要每个节点的innerText属性，那么你需要先将它映射到基本类型：

var list = page.evaluate(function() {
    return Array.prototype.map.call(document.getElementsByTagName('a'), function(a){
        return a.innerText;
    });
});
console.log(list[0]); // innerText

您当然可以同时映射多个属性：

return Array.prototype.map.call(document.getElementsByTagName('a'), function(a){
    return { text: a.innerText, href: a.href };
});

检索到的锚列表被破坏了？

1 个答案: