使用 javascript 链接下载 PhantomJS

Question

我正在尝试抓取以下网站：

http://www.fangraphs.com/leaders.aspx?pos=all&stats=bat&lg=all&qual=0&type=8&season=2011&month=0&season1=2011&ind= 0&team=0&rost=0&players=0

如果您单击表格右上角标题为“导出数据”的小按钮，则会运行 JavaScript 脚本，并且我的浏览器会下载 .csv 格式的文件。我希望能够编写一个 PhantomJS 脚本来自动执行此操作。有什么想法吗？

上面的按钮是这样编码成 HTML 的：

<a id="LB_cmdCSV" href="javascript:__doPostBack('LB$cmdCSV','')">Export Data</a></div>

我还在 HTML 源代码中找到了这个函数：

<script type="text/javascript">
//<![CDATA[
var theForm = document.forms['form1'];
if (!theForm) {
    theForm = document.form1;
}
function __doPostBack(eventTarget, eventArgument) {
    if (!theForm.onsubmit || (theForm.onsubmit() != false)) {
        theForm.__EVENTTARGET.value = eventTarget;
        theForm.__EVENTARGUMENT.value = eventArgument;
        theForm.submit();
    }
}
//]]>
</script>

我对 PhantomJS/Javascript 非常陌生，可以在这里使用一些指针。我想我已经找到了自动执行此操作所需的所有信息（如果我错了，请纠正我），但只是不确定从哪里开始编码。感谢您的任何帮助。

编辑 - 这就是我的脚本现在的样子：

var page = new WebPage();
url = 'http://www.fangraphs.com/leaders.aspx?pos=all&stats=bat&lg=all&qual=0&type=8&season=2011&month=0&season1=2011&ind=0&team=0&rost=0& players=0';

page.open(encodeURI(url), function (status){
  if (status !== "success") {
    console.log("Unable to access website");
  } else {
      page.evaluate(function() {
        __doPostBack('LB$cmdCSV', '');
      });
    }
  phantom.exit(0);
});

Answer 1

对我来说非常有效的是模拟鼠标点击所需的元素。

page.evaluate(function () {
  var btn = document.getElementById('LB_cmdCSV')
  var ev = document.createEvent('MouseEvent')
  ev.initEvent('click', true, true)
  btn.dispatchEvent(ev)
})

Answer 2

您不能在网页上下文中运行代码 __doPostBack('LeaderBoard1$cmdCSV',''); 吗？

像这样的事情：

page.evaluate(function() {
  __doPostBack('LeaderBoard1$cmdCSV','');
});

我还没有在 PhantomJS 中测试过这段代码，但理论上它应该可以工作，因为从 Google Chrome 的开发者控制台运行 __doPostBack 方法是有效的。如果对在 PhantomJS 中运行 JavaScript 代码有疑问，Google Chrome 的开发者控制台是测试代码的好方法，因为它像 PhantomJS 一样在 WebKit 上运行。我希望这有帮助。

Answer 3

这是一个由 ASP 驱动的网站，因此这比大多数网站要复杂一些，您必须使用 cURL 命令来模仿 POST 整个表单视图状态和视图状态。事件验证字符串返回服务器。直接从您拥有的页面中提取数据可能会更容易。

Answer 4

我正在使用 Ruby on Rails 和 Watir Webdriver (https://github.com/watir/watir-webdriver< /a>）。

我已经确定该工具使用 ASP.NET，当使用“doPostBack”时，该工具与客户定义的用户代理所使用的浏览器相同。使用 PhantomJS 时，用户代理被识别为“Mozilla/5.0（未知；Linux i686）AppleWebKit/534.34（KHTML，如 Gecko）Safari/534.34 PhantomJS/1.9.1”。

因此，在访问该页面之前有必要更改用户代理客户端。 Rails 并做了类似的事情：

HTTP_USER_AGENT    = "Mozilla/5.0 (X11; Ubuntu; Linux i686; rv:22.0) Gecko/20100101 Firefox/22.0"
HTTP_DRIVER        = Selenium::WebDriver.for :phantomjs, :desired_capabilities => Selenium::WebDriver::Remote::Capabilities.phantomjs(
  "phantomjs.page.settings.userAgent" => HTTP_USER_AGENT
)
...
browser = Watir::Browser.new HTTP_DRIVER, :http_client => client