Phantomjs 仅在 page.open 中加载静态内容答案

【问题标题】：Phantomjs load static content only in page.openPhantomjs 仅在 page.open 中加载静态内容
【发布时间】：2013-11-20 09:36:37
【问题描述】：

我的情况是使用 phantomjs 仅加载静态内容（我们使用“wget”获得的内容），然后运行一些 javascript 来确定页面的“标题”。我不需要加载整个页面来知道它的标题吗？

尝试使用：

page.settings.resourceTimeout = 0;

page.settings.javascriptEnabled = false;

page.settings.loadImages = false;

page.settings.localToRemoteUrlAccessEnabled = false;

page.settings.webSecurityEnabled = false;

但在这种情况下，我的 document.title 不起作用，因为我的 JS 被禁用。有道理！

有没有办法只加载静态内容？像

page.open(uri, static = true, ...

【问题讨论】：

另外，page.onLoadStarted 是确定标题的竞争者，但我也想对正文中的一些 div 节点进行一些分析。请帮忙。

标签： phantomjs headless-browser

【解决方案1】：

根据this issue，您可以在page.onResourceRequested 中调用request.abort()。那里给出的示例是：停止加载所有 css：

page.onResourceRequested = function(requestData, request) {
    if ((/http:\/\/.+?.css/gi).test(requestData['url']) || requestData['Content-Type'] == 'text/css') {
       console.log('The url of the request is matching. Aborting: ' + requestData['url']);
       request.abort();
    }
}

【讨论】：

@Devaroop 我理解你的问题，因为你想加载 HTML 内容，但不加载任何其他资源，如图像、外部 Javascript、外部 CSS、字体等。如果是这样，那就是添加此功能的用例。（如果您想停止一切，则中止除第一个请求之外的所有请求）
同意。这给了我们过滤 css、js 以及我们可以猜到的任何其他调用的特权。可能还有其他无法确定的调用，如 php、java 等。我想要一个模拟“wget”行为的电话。有意义吗？
@Devaroop 如果你想模拟 wget 行为，我已经给了你答案（除了它在浏览器中，所以 inline JavaScript 仍将运行并可以修改文档正文 - 但不会进行进一步的网络请求）。通过中止所有请求，您可以停止其他任何加载（包括 AJAX，我猜这就是您所说的“php、java 等”？）如果这仍然不能回答问题，也许您可以解释为什么您不简单使用 wget？与 wget 相比，PhantomJS 是一个资源怪物。