如何在Crawljax中获取抓取内容 [英] How to Get Crawl content in Crawljax

查看:65
本文介绍了如何在Crawljax中获取抓取内容的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!

问题描述

我使用Crawljax抓取了动态网页.我可以获取当前的ID,状态和DOM.但我无法获得网站内容.任何人都可以帮助我吗?

I have crawl Dynamic webpage using Crawljax. i can able to get crawl current id, status and dom. but i can't get the Website content.. Any one help me??

CrawljaxConfigurationBuilder builder =
            CrawljaxConfiguration.builderFor("http://demo.crawljax.com/");
    builder.addPlugin(new OnNewStatePlugin() {



        @Override
        public String toString() {
            return "Our example plugin";
        }

                @Override
                public void onNewState(CrawlerContext cc, StateVertex sv) {

                    LOG.info("Found a new dom! Here it is:\n{}", cc.getBrowser().getStrippedDom());
                       String name = cc.getCurrentState().getName();
String url = cc.getBrowser().getCurrentUrl();
System.out.println(cc.getCurrentState().getDom());
System.out.println("New State: " + name + "; url: " + url);
                }
    });
    CrawljaxRunner crawljax = new CrawljaxRunner(builder.build());
    crawljax.call();

如何获取动态/java脚本网页内容.

How to get dynamic/java script Webpage content..

推荐答案

我们可以获取网站源代码cc.getBrowser().getStrippedDom());或cc.getCurrentState().getDocument();或此编码是返回源代码(css/java脚本文件).

We can able to get website source code cc.getBrowser().getStrippedDom()); or cc.getCurrentState().getDocument(); This coding are Return Source code (css/java script file)..

不可能.由于使用了它的测试工具.该工具仅检查文本"是否可用,将临时数据分配给字段".

Not possible.Because its testing tool.This tool only check Text are available, assign temp data to Fields.

这篇关于如何在Crawljax中获取抓取内容的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持IT屋!

查看全文
登录 关闭
扫码关注1秒登录
发送“验证码”获取 | 15天全站免登陆