phantomjs java 爬虫_使用phantomjs进行网页抓取的实现代码

phantomjs因为是无头浏览器可以跑js，所以同样可以跑dom节点，用来进行网页抓取是再好不过了。

比如我们要批量抓取网页 “历史上的今天” 的内容。网站

对dom结构的观察发现，我们只需要取到 .list li a的title值即可。因此我们利用高级选择器构建dom片段

var d= ''

var c = document.querySelectorAll('.list li a')

var l = c.length;

for(var i =0;i

d=d+c[i].title+'\n'

}

之后只需要让js代码在phantomjs里跑起来即可~

var page = require('webpage').create();

page.open('http://www.todayonhistory.com/', function (status) { //打开页面

if (status !== 'success') {

console.log('FAIL to load the address');

} else {

console.log(page.evaluate(function () {

var d= ''

var c = document.querySelectorAll('.list li a')

var l = c.length;

for(var i =0;i

d=d+c[i].title+'\n'

}

return d

}))

}

phantom.exit();

});

最终我们另存为catch.js，在dos里面执行一下，输出内容到txt文件(也可以用phantomjs的文件api来写)