有些页面的内容,是在页面加载完后,运行js来调出来显示的。这时候如果只是利用file_get_contents之类函数。这时候Selenium可以帮上大忙。
不过在让Selenium真正按照意愿来工作前,还是遇到了不少麻烦,首先就是getHtmlSource()只能返回部分html源码,即使使用了sleep()来等待和判断还是无济于事,但是用getBodyText()可以返回全部页面text(无html)。看了下php源码,从SRC通信取回数据的两个函数stream_set_blocking()和stream_get_contents(),问题就在这里了,看文档的这段“ In non-blocking mode an fgets() call will always return right away while in blocking mode it will wait for data to become available on the stream.” 如果换为blocking mode的话,就会一直等待,SRC把浏览器启动了,但是无法打开页面,只是一直停在空白页面状态,php也一直在运行,把设置为true是不行的。如果不用这stream函数,而是使用一般的fread又会怎么样呢?
测试,发现还是一样的问题。
到目前为之,还是无法解决这个问题。getHtmlSource()真的不能完全返回页面源码?!
今天又测试下:
这样可以取得全部的html源码,但是发现很慢。