我正在使用PhantomJS v1.4.1 加载一些网页。我无法访问他们的服务器端，我只是获得指向他们的链接。我正在使用过时版本的 Phantom，因为我需要在该网页上支持 Adobe Flash。
问题是许多网站正在异步加载他们的次要内容，这就是为什么 Phantom 的 onLoadFinished 回调（类似于 HTML 中的 onLoad）在并非所有内容仍然加载时过早触发的原因。任何人都可以建议我如何等待网页完全加载，例如，制作包含所有动态内容（如广告）的屏幕截图？
【问题讨论】：
标签： javascript events phantomjs
也许您可以使用onResourceRequested and onResourceReceived callbacks 来检测异步加载。这是使用这些回调的示例from their documentation：
var page = require('webpage').create();
page.onResourceRequested = function (request) {
console.log('Request ' + JSON.stringify(request, undefined, 4));
};
page.onResourceReceived = function (response) {
console.log('Receive ' + JSON.stringify(response, undefined, 4));
};
page.open(url);
此外，您还可以查看 examples/netsniff.js 的工作示例。
【讨论】：
All the resource requests and responses can be sniffed using onResourceRequested and onResourceReceived
您可以尝试结合使用 waitfor 和 rasterize 示例：
/**
* See https://github.com/ariya/phantomjs/blob/master/examples/waitfor.js
*
* Wait until the test condition is true or a timeout occurs. Useful for waiting
* on a server response or for a ui change (fadeIn, etc.) to occur.
*
* @param testFx javascript condition that evaluates to a boolean,
* it can be passed in as a string (e.g.: "1 == 1" or "$('#bar').is(':visible')" or
* as a callback function.
* @param onReady what to do when testFx condition is fulfilled,
* it can be passed in as a string (e.g.: "1 == 1" or "$('#bar').is(':visible')" or
* as a callback function.
* @param timeOutMillis the max amount of time to wait. If not specified, 3 sec is used.
*/
function waitFor(testFx, onReady, timeOutMillis) {
var maxtimeOutMillis = timeOutMillis ? timeOutMillis : 3000, //< Default Max Timout is 3s
start = new Date().getTime(),
condition = (typeof(testFx) === "string" ? eval(testFx) : testFx()), //< defensive code
interval = setInterval(function() {
if ( (new Date().getTime() - start < maxtimeOutMillis) && !condition ) {
// If not time-out yet and condition not yet fulfilled
condition = (typeof(testFx) === "string" ? eval(testFx) : testFx()); //< defensive code
} else {
if(!condition) {
// If condition still not fulfilled (timeout but condition is 'false')
console.log("'waitFor()' timeout");
phantom.exit(1);
} else {
// Condition fulfilled (timeout and/or condition is 'true')
console.log("'waitFor()' finished in " + (new Date().getTime() - start) + "ms.");
typeof(onReady) === "string" ? eval(onReady) : onReady(); //< Do what it's supposed to do once the condition is fulfilled
clearInterval(interval); //< Stop this interval
}
}
}, 250); //< repeat check every 250ms
};
var page = require('webpage').create(), system = require('system'), address, output, size;
if (system.args.length < 3 || system.args.length > 5) {
console.log('Usage: rasterize.js URL filename [paperwidth*paperheight|paperformat] [zoom]');
console.log(' paper (pdf output) examples: "5in*7.5in", "10cm*20cm", "A4", "Letter"');
phantom.exit(1);
} else {
address = system.args[1];
output = system.args[2];
if (system.args.length > 3 && system.args[2].substr(-4) === ".pdf") {
size = system.args[3].split('*');
page.paperSize = size.length === 2 ? {
width : size[0],
height : size[1],
margin : '0px'
} : {
format : system.args[3],
orientation : 'portrait',
margin : {
left : "5mm",
top : "8mm",
right : "5mm",
bottom : "9mm"
}
};
}
if (system.args.length > 4) {
page.zoomFactor = system.args[4];
}
var resources = [];
page.onResourceRequested = function(request) {
resources[request.id] = request.stage;
};
page.onResourceReceived = function(response) {
resources[response.id] = response.stage;
};
page.open(address, function(status) {
if (status !== 'success') {
console.log('Unable to load the address!');
phantom.exit();
} else {
waitFor(function() {
// Check in the page if a specific element is now visible
for ( var i = 1; i < resources.length; ++i) {
if (resources[i] != 'end') {
return false;
}
}
return true;
}, function() {
page.render(output);
phantom.exit();
}, 10000);
}
});
}
【讨论】：
另一种方法是要求 PhantomJS 在页面加载后等待一段时间再进行渲染，就像常规的 rasterize.js 示例一样，但需要更长的超时时间以允许 JavaScript 完成加载额外资源：
page.open(address, function (status) {
if (status !== 'success') {
console.log('Unable to load the address!');
phantom.exit();
} else {
window.setTimeout(function () {
page.render(output);
phantom.exit();
}, 1000); // Change timeout as required to allow sufficient time
}
});
【讨论】：
在我的程序中，我使用一些逻辑来判断它是否是onload：看它的网络请求，如果过去200ms没有新的请求，我就认为它是onload。
在 onLoadFinish() 之后使用它。
function onLoadComplete(page, callback){
var waiting = []; // request id
var interval = 200; //ms time waiting new request
var timer = setTimeout( timeout, interval);
var max_retry = 3; //
var counter_retry = 0;
function timeout(){
if(waiting.length && counter_retry < max_retry){
timer = setTimeout( timeout, interval);
counter_retry++;
return;
}else{
try{
callback(null, page);
}catch(e){}
}
}
//for debug, log time cost
var tlogger = {};
bindEvent(page, 'request', function(req){
waiting.push(req.id);
});
bindEvent(page, 'receive', function (res) {
var cT = res.contentType;
if(!cT){
console.log('[contentType] ', cT, ' [url] ', res.url);
}
if(!cT) return remove(res.id);
if(cT.indexOf('application') * cT.indexOf('text') != 0) return remove(res.id);
if (res.stage === 'start') {
console.log('!!received start: ', res.id);
//console.log( JSON.stringify(res) );
tlogger[res.id] = new Date();
}else if (res.stage === 'end') {
console.log('!!received end: ', res.id, (new Date() - tlogger[res.id]) );
//console.log( JSON.stringify(res) );
remove(res.id);
clearTimeout(timer);
timer = setTimeout(timeout, interval);
}
});
bindEvent(page, 'error', function(err){
remove(err.id);
if(waiting.length === 0){
counter_retry = 0;
}
});
function remove(id){
var i = waiting.indexOf( id );
if(i < 0){
return;
}else{
waiting.splice(i,1);
}
}
function bindEvent(page, evt, cb){
switch(evt){
case 'request':
page.onResourceRequested = cb;
break;
case 'receive':
page.onResourceReceived = cb;
break;
case 'error':
page.onResourceError = cb;
break;
case 'timeout':
page.onResourceTimeout = cb;
break;
}
}
}
【讨论】：
我宁愿定期检查 document.readyState 状态 (https://developer.mozilla.org/en-US/docs/Web/API/document.readyState)。虽然这种方法有点笨拙，但您可以确定在 onPageReady 函数中您使用的是完全加载的文档。
var page = require("webpage").create(),
url = "http://example.com/index.html";
function onPageReady() {
var htmlContent = page.evaluate(function () {
return document.documentElement.outerHTML;
});
console.log(htmlContent);
phantom.exit();
}
page.open(url, function (status) {
function checkReadyState() {
setTimeout(function () {
var readyState = page.evaluate(function () {
return document.readyState;
});
if ("complete" === readyState) {
onPageReady();
} else {
checkReadyState();
}
});
}
checkReadyState();
});
补充说明：
使用嵌套的setTimeout 而不是setInterval 可以防止checkReadyState 在由于某些随机原因延长其执行时间时出现“重叠”和竞争条件。 setTimeout 的默认延迟为 4 毫秒 (https://stackoverflow.com/a/3580085/1011156)，因此主动轮询不会显着影响程序性能。
document.readyState === "complete" 表示文档已完全加载所有资源 (https://html.spec.whatwg.org/multipage/dom.html#current-document-readiness)。
【讨论】：
readyState 只会在 DOM 完全加载后触发，但是任何 <iframe> 元素可能仍在加载，因此它并不能真正回答原始问题
我发现这种方法在某些情况下很有用：
page.onConsoleMessage(function(msg) {
// do something e.g. page.render
});
如果您拥有该页面，请在其中放置一些脚本：
<script>
window.onload = function(){
console.log('page loaded');
}
</script>
【讨论】：
我发现这个解决方案在 NodeJS 应用程序中很有用。 我只是在绝望的情况下使用它，因为它会启动超时以等待整个页面加载。
第二个参数是回调函数，一旦响应准备好就会被调用。
phantom = require('phantom');
var fullLoad = function(anUrl, callbackDone) {
phantom.create(function (ph) {
ph.createPage(function (page) {
page.open(anUrl, function (status) {
if (status !== 'success') {
console.error("pahtom: error opening " + anUrl, status);
ph.exit();
} else {
// timeOut
global.setTimeout(function () {
page.evaluate(function () {
return document.documentElement.innerHTML;
}, function (result) {
ph.exit(); // EXTREMLY IMPORTANT
callbackDone(result); // callback
});
}, 5000);
}
});
});
});
}
var callback = function(htmlBody) {
// do smth with the htmlBody
}
fullLoad('your/url/', callback);
【讨论】：
这是一个老问题，但由于我一直在寻找完整页面加载，但对于 Spookyjs（使用 casperjs 和 phantomjs）并且没有找到我的解决方案，我为此制作了自己的脚本，方法与用户认为。 这种方法的作用是，在给定的时间内，如果页面没有收到或启动任何请求，它将结束执行。
在 casper.js 文件上（如果您全局安装，路径类似于 /usr/local/lib/node_modules/casperjs/modules/casper.js）添加以下行：
在所有全局变量的文件顶部：
var waitResponseInterval = 500
var reqResInterval = null
var reqResFinished = false
var resetTimeout = function() {}
然后在“var page = require('webpage').create();”之后的函数“createPage(casper)”中添加以下代码：
resetTimeout = function() {
if(reqResInterval)
clearTimeout(reqResInterval)
reqResInterval = setTimeout(function(){
reqResFinished = true
page.onLoadFinished("success")
},waitResponseInterval)
}
resetTimeout()
然后在“page.onResourceReceived = function onResourceReceived(resource) {”里面第一行添加：
resetTimeout()
对“page.onResourceRequested = function onResourceRequested(requestData, request) {”做同样的事情
最后，在“page.onLoadFinished = function onLoadFinished(status) {”的第一行添加：
if(!reqResFinished)
{
return
}
reqResFinished = false
就是这样，希望这个可以帮助像我一样遇到麻烦的人。此解决方案适用于 casperjs，但直接适用于 Spooky。
祝你好运！
【讨论】：
这是 Supr 答案的实现。它还像 Mateusz Charytoniuk 建议的那样使用 setTimeout 而不是 setInterval。
当没有任何请求或响应时，Phantomjs 将在 1000 毫秒内退出。
// load the module
var webpage = require('webpage');
// get timestamp
function getTimestamp(){
// or use Date.now()
return new Date().getTime();
}
var lastTimestamp = getTimestamp();
var page = webpage.create();
page.onResourceRequested = function(request) {
// update the timestamp when there is a request
lastTimestamp = getTimestamp();
};
page.onResourceReceived = function(response) {
// update the timestamp when there is a response
lastTimestamp = getTimestamp();
};
page.open(html, function(status) {
if (status !== 'success') {
// exit if it fails to load the page
phantom.exit(1);
}
else{
// do something here
}
});
function checkReadyState() {
setTimeout(function () {
var curentTimestamp = getTimestamp();
if(curentTimestamp-lastTimestamp>1000){
// exit if there isn't request or response in 1000ms
phantom.exit();
}
else{
checkReadyState();
}
}, 100);
}
checkReadyState();
【讨论】：
这是我使用的代码：
var system = require('system');
var page = require('webpage').create();
page.open('http://....', function(){
console.log(page.content);
var k = 0;
var loop = setInterval(function(){
var qrcode = page.evaluate(function(s) {
return document.querySelector(s).src;
}, '.qrcode img');
k++;
if (qrcode){
console.log('dataURI:', qrcode);
clearInterval(loop);
phantom.exit();
}
if (k === 50) phantom.exit(); // 10 sec timeout
}, 200);
});
基本上，当给定元素出现在 DOM 上时，您应该知道页面已完全下载。所以脚本会一直等到发生这种情况。
【讨论】：
这是一个等待所有资源请求完成的解决方案。完成后，它将页面内容记录到控制台并生成渲染页面的屏幕截图。
虽然这个解决方案可以作为一个很好的起点，但我观察到它失败了，所以它绝对不是一个完整的解决方案！
我在使用document.readyState 时运气不佳。
我受到phantomjs examples page 上的waitfor.js 示例的影响。
var system = require('system');
var webPage = require('webpage');
var page = webPage.create();
var url = system.args[1];
page.viewportSize = {
width: 1280,
height: 720
};
var requestsArray = [];
page.onResourceRequested = function(requestData, networkRequest) {
requestsArray.push(requestData.id);
};
page.onResourceReceived = function(response) {
var index = requestsArray.indexOf(response.id);
if (index > -1 && response.stage === 'end') {
requestsArray.splice(index, 1);
}
};
page.open(url, function(status) {
var interval = setInterval(function () {
if (requestsArray.length === 0) {
clearInterval(interval);
var content = page.content;
console.log(content);
page.render('yourLoadedPage.png');
phantom.exit();
}
}, 500);
});
【讨论】：
我使用 phantomjs waitfor.js example 的个人混合。
这是我的main.js 文件：
'use strict';
var wasSuccessful = phantom.injectJs('./lib/waitFor.js');
var page = require('webpage').create();
page.open('http://foo.com', function(status) {
if (status === 'success') {
page.includeJs('https://cdnjs.cloudflare.com/ajax/libs/jquery/3.1.1/jquery.min.js', function() {
waitFor(function() {
return page.evaluate(function() {
if ('complete' === document.readyState) {
return true;
}
return false;
});
}, function() {
var fooText = page.evaluate(function() {
return $('#foo').text();
});
phantom.exit();
});
});
} else {
console.log('error');
phantom.exit(1);
}
});
还有lib/waitFor.js 文件（它只是来自phantomjs waitfor.js example 的waifFor() 函数的复制和粘贴）：
function waitFor(testFx, onReady, timeOutMillis) {
var maxtimeOutMillis = timeOutMillis ? timeOutMillis : 3000, //< Default Max Timout is 3s
start = new Date().getTime(),
condition = false,
interval = setInterval(function() {
if ( (new Date().getTime() - start < maxtimeOutMillis) && !condition ) {
// If not time-out yet and condition not yet fulfilled
condition = (typeof(testFx) === "string" ? eval(testFx) : testFx()); //< defensive code
} else {
if(!condition) {
// If condition still not fulfilled (timeout but condition is 'false')
console.log("'waitFor()' timeout");
phantom.exit(1);
} else {
// Condition fulfilled (timeout and/or condition is 'true')
// console.log("'waitFor()' finished in " + (new Date().getTime() - start) + "ms.");
typeof(onReady) === "string" ? eval(onReady) : onReady(); //< Do what it's supposed to do once the condi>
clearInterval(interval); //< Stop this interval
}
}
}, 250); //< repeat check every 250ms
}
这个方法不是异步的，但至少我确信在我尝试使用它们之前已经加载了所有资源。
【讨论】：
这是我的解决方案，它对我有用。
page.onConsoleMessage = function(msg, lineNum, sourceId) {
if(msg=='hey lets take screenshot')
{
window.setInterval(function(){
try
{
var sta= page.evaluateJavaScript("function(){ return jQuery.active;}");
if(sta == 0)
{
window.setTimeout(function(){
page.render('test.png');
clearInterval();
phantom.exit();
},1000);
}
}
catch(error)
{
console.log(error);
phantom.exit(1);
}
},1000);
}
};
page.open(address, function (status) {
if (status !== "success") {
console.log('Unable to load url');
phantom.exit();
} else {
page.setContent(page.content.replace('</body>','<script>window.onload = function(){console.log(\'hey lets take screenshot\');}</script></body>'), address);
}
});
【讨论】：
在页面加载时移动鼠标应该可以工作。
page.sendEvent('click',200, 660);
do { phantom.page.sendEvent('mousemove'); } while (page.loading);
更新
提交表单时，没有返回任何内容，因此程序停止了。程序没有等待页面加载，因为重定向开始需要几秒钟。
告诉它移动鼠标直到主页的 URL 更改为浏览器所需的更改时间。然后告诉它等待页面完成加载允许页面在抓取内容之前完全加载。
page.evaluate(function () {
document.getElementsByClassName('btn btn-primary btn-block')[0].click();
});
do { phantom.page.sendEvent('mousemove'); } while (page.evaluate(function()
{
return document.location != "https://www.bestwaywholesale.co.uk/";
}));
do { phantom.page.sendEvent('mousemove'); } while (page.loading);
【讨论】：