首页 > 代码库 > Java使用HtmlUnit抓取js渲染页面
Java使用HtmlUnit抓取js渲染页面
需求:
需要采集js渲染的页面,有些网站的页面是js渲染的
实现:
基于HtmlUnit实现:
- public static void getAjaxPage() throws Exception{
- WebClient webClient = new WebClient();
- webClient.setJavaScriptEnabled(true);
- webClient.setCssEnabled(false);
- webClient.setAjaxController(new NicelyResynchronizingAjaxController());
- webClient.setTimeout(Integer.MAX_VALUE);
- webClient.setThrowExceptionOnScriptError(false);
- HtmlPage rootPage = webClient.getPage("http://tt.mop.com/read_14304066_1_0.html");
- System.out.println(rootPage.asXml());
- }
maven依赖:
- <dependency>
- <groupId>net.sourceforge.htmlunit</groupId>
- <artifactId>htmlunit-core-js</artifactId>
- <version>2.9</version>
- <scope>compile</scope>
- </dependency>
- <dependency>
- <groupId>net.sourceforge.htmlunit</groupId>
- <artifactId>htmlunit</artifactId>
- <version>2.9</version>
- <scope>compile</scope>
- </dependency>
说明:
Nutch插件:nutch-htmlunit用于替换Nutch自身的Http Fetch组件
Java使用HtmlUnit抓取js渲染页面
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。