我试图抓取一个网站，但我没有得到一些元素，因为这些元素是动态创建的。
我在 node.js 中使用了cheerio，我的代码如下。
var request = require('request');
var cheerio = require('cheerio');
var url = "http://www.bdtong.co.kr/index.php?c_category=C02";
request(url, function (err, res, html) {
var $ = cheerio.load(html);
$('.listMain > li').each(function () {
console.log($(this).find('a').attr('href'));
});
});
此代码返回空响应，因为当页面加载时，它<ul id="store_list" class="listMain">是空的。
内容尚未附加。
如何使用 node.js 获取这些元素？如何抓取包含动态内容的页面？
干得好;
var phantom = require('phantom');
phantom.create(function (ph) {
ph.createPage(function (page) {
var url = "http://www.bdtong.co.kr/index.php?c_category=C02";
page.open(url, function() {
page.includeJs("http://ajax.googleapis.com/ajax/libs/jquery/1.6.1/jquery.min.js", function() {
page.evaluate(function() {
$('.listMain > li').each(function () {
console.log($(this).find('a').attr('href'));
});
}, function(){
ph.exit()
});
});
});
});
});
无头 Chrome 节点 API
它使刮刮变得微不足道。以下示例将在npmjs.com 上抓取标题（假设.npm-expansions仍然存在）
const puppeteer = require('puppeteer');
(async () => {
const browser = await puppeteer.launch();
const page = await browser.newPage();
await page.goto('https://www.npmjs.com/');
const textContent = await page.evaluate(() => {
return document.querySelector('.npm-expansions').textContent
});
console.log(textContent); /* No Problem Mate */
browser.close();
})();
evaluate 将允许检查动态元素，因为这将在页面上运行脚本。
使用新的 npm modulex-ray和可插拔的网络驱动程序x-ray-phantom。
上面页面中的示例，但这里是如何进行动态抓取：
var phantom = require('x-ray-phantom');
var Xray = require('x-ray');
var x = Xray()
.driver(phantom());
x('http://google.com', 'title')(function(err, str) {
if (err) return done(err);
assert.equal('Google', str);
done();
})
最简单可靠的解决方案是使用 puppeteer。如https://pusher.com/tutorials/web-scraper-node 中所述，它适用于静态 + 动态抓取。
仅将 Browser.js、TimeoutSettings.js、Launcher.js 中的超时时间从 300000 更改为 3000000