我目前正在与cheerio和噩梦进行一些拼抢.我之所以使用这两者而不仅仅是cheerio的原因是因为我必须操纵网站才能找到我想要抓到的部分,而且我发现噩梦非常擅长做这些脚本.
所以,现在我正在使用噩梦直到显示我需要的信息的部分.在那之后,在evaluate()上我试图以某种方式返回当前的html,然后将它传递给cheerio进行刮擦.问题是我不知道如何从文档对象中检索html.文件中是否有属性可以返回完整的正文？
这是我正在尝试做的事情：
var Nightmare = require('nightmare');
var nightmare = Nightmare({show:true})
var express = require('express');
var fs = require('fs');
var request = require('request');
var cheerio = require('cheerio');
var app = express();
var urlWeb = "url";
var selectCity = "#ddl_city"
nightmare
.goto(urlWeb)
.wait(selectCity)
.select('#ddl_city','19')
.wait(6000)
.select('#ddl_theater','12')
.wait(1000)
.click('#btn_enter')
.wait('#aspnetForm')
.evaluate(function(){
//here is where I want to return the html body
return document.html;
})
.then(function(body){
//loading html body to cheerio
var $= cheerio.load(body);
console.log(body);
})
解决方法
有了这个工作：
document.body.innerHTML
