如何使用 htmlunit + page.asXml 方法保留我的文档类型

【问题标题】：How can I keep my doctype with htmlunit + the page.asXml method如何使用 htmlunit + page.asXml 方法保留我的文档类型
【发布时间】：2011-05-18 03:59:51
【问题描述】：

当我使用 HtmlUnit 运行 page.asXml() 时，我丢失了页面的文档类型。有解决办法吗？

注意：目的是为 Google 提供 DOM。

【问题讨论】：

贴出您正在使用的代码会很有帮助，并通过丢失页面的文档类型准确地表明您的意思。
Rodney，我觉得最好不要用代码使这个复杂化，因为我正在使用 IKVM 在 .net 中运行 HtmlUnit。我的页面按照我们的方式正确加载了 99.99%。唯一明显的区别是 doctype 排除，当包含它时，页面呈现完全相同。
仍然不确定“丢失文档类型”是什么意思... asXml() 只返回页面 HTML 的字符串。你是说调用 asXml() 会改变页面对象吗？
是的，所以我的页面上有一个的 html 5 doctype，asXml 删除了它。我的临时修复是： return page.asXml().Replace("", "");

标签： seo integration-testing doctype htmlunit headless

【解决方案1】：

尝试调用

p.getWebResponse().getContentAsString()

而不是

p.asXml()

我刚刚对http://google.com 进行了尝试，在前一种情况下，“”仍保留在输出中。

【讨论】：

感谢您的回复。我尝试了您的代码，发现它没有返回执行/评估的 javascript，就像 asXml 对等待后台 javascripts 方法所做的那样。我检查了 API，它说这是原始的 Web 响应，这不是我真正想要的。我的解决方案，暂时有效：-\
+1：“丢失”的文档类型可以通过解析getContentAsString()重新获得。似乎 OP 不想这样做，而是想硬编码<!DOCTYPE html> 的新文档类型。