是否有可能在所有 JS 执行后获取页面的 DOM 结构？

Question

使用诸如 cURL 或（在 PHP 中）流上下文/file_get_contents 之类的东西来获取页面的起始 HTML 标记非常简单，但如今，有如此多的页面受到 JS 的严格控制，即使你得到了开始标记页面时，您仍然无法轻易确定页面的实际构成（因为页面的大部分是由运行客户端的 JS 构成的）。

因此，是否有可能在页面的所有加载 JS 通过使用诸如 cURL 之类的东西执行之后获取页面的整个 DOM 结构？

（作为额外的信息，我知道您可以使用 Chrome 开发工具等获得 DOM 结构，但我想知道是否有任何方法可以自动化该过程。）

非常感谢。

Answer 1

您必须在浏览器中运行它，然后获取document.documentElement.outerHTML 的内容。

我认为仅在 PHP 中这是不可能的。您必须使用：

• phanthomJS

  PhantomJS 是一个可使用 JavaScript API 编写脚本的无头 WebKit。 使用标准 DOM API 或 jQuery 等常用库访问和操作网页。

• 或SlimerJS。

  SlimerJS 与 PhantomJs 类似，只是它运行的是 Mozilla Firefox 的浏览器引擎 Gecko，而不是 Webkit。