phantomjsは「フル」ページのロードを待機していません
PhantomJS v1.4.1を使用していくつかのWebページをロードしています。私は彼らのサーバー側にアクセスできず、それらを指すリンクを取得するだけです。 WebページでAdobe Flashをサポートする必要があるため、古いバージョンのPhantomを使用しています。
問題は、多くのWebサイトがマイナーコンテンツを非同期にロードしているため、PhantomのonLoadFinishedコールバック（HTMLのonLoadのアナログ）がすべてがまだロードされていない場合に早すぎるタイミングで発生したことです。誰でも、たとえば広告のようなすべての動的コンテンツを含むスクリーンショットを作成するために、ウェブページの全負荷を待つ方法を提案できますか？
別のアプローチは、通常の rasterize.js の例のように、ページが読み込まれた後少し待ってからレンダリングを実行するようにPhantomJSに依頼するだけですが、JavaScriptが読み込みを終了できるようにタイムアウトを長くすることです追加リソース：
page.open(address, function (status) {
if (status !== 'success') {
console.log('Unable to load the address!');
phantom.exit();
} else {
window.setTimeout(function () {
page.render(output);
phantom.exit();
}, 1000); // Change timeout as required to allow sufficient time
}
});
むしろ定期的にdocument.readyStateステータスを確認したいです（ https://developer.mozilla.org/en-US/docs/Web/API/document.readyState ）。このアプローチは少し不格好ですが、onPageReady関数内で完全にロードされたドキュメントを使用していることを確認できます。
var page = require("webpage").create(),
url = "http://example.com/index.html";
function onPageReady() {
var htmlContent = page.evaluate(function () {
return document.documentElement.outerHTML;
});
console.log(htmlContent);
phantom.exit();
}
page.open(url, function (status) {
function checkReadyState() {
setTimeout(function () {
var readyState = page.evaluate(function () {
return document.readyState;
});
if ("complete" === readyState) {
onPageReady();
} else {
checkReadyState();
}
});
}
checkReadyState();
});
追加説明：
setTimeoutの代わりにネストされたsetIntervalを使用すると、ランダムな理由で実行が延長されたときにcheckReadyStateが「重複」して競合状態になるのを防ぎます。 setTimeoutのデフォルトの遅延は4ミリ秒（ https://stackoverflow.com/a/3580085/1011156 ）であるため、アクティブポーリングはプログラムのパフォーマンスに大きな影響を与えません。
document.readyState === "complete"は、ドキュメントにすべてのリソースが完全にロードされることを意味します（ https://html.spec.whatwg.org/multipage/dom.html#current-document-readiness ）。
Waitforとラスタライズの例を組み合わせて試すことができます。
/**
* See https://github.com/ariya/phantomjs/blob/master/examples/waitfor.js
*
* Wait until the test condition is true or a timeout occurs. Useful for waiting
* on a server response or for a ui change (fadeIn, etc.) to occur.
*
* @param testFx javascript condition that evaluates to a boolean,
* it can be passed in as a string (e.g.: "1 == 1" or "$('#bar').is(':visible')" or
* as a callback function.
* @param onReady what to do when testFx condition is fulfilled,
* it can be passed in as a string (e.g.: "1 == 1" or "$('#bar').is(':visible')" or
* as a callback function.
* @param timeOutMillis the max amount of time to wait. If not specified, 3 sec is used.
*/
function waitFor(testFx, onReady, timeOutMillis) {
var maxtimeOutMillis = timeOutMillis ? timeOutMillis : 3000, //< Default Max Timout is 3s
start = new Date().getTime(),
condition = (typeof(testFx) === "string" ? eval(testFx) : testFx()), //< defensive code
interval = setInterval(function() {
if ( (new Date().getTime() - start < maxtimeOutMillis) && !condition ) {
// If not time-out yet and condition not yet fulfilled
condition = (typeof(testFx) === "string" ? eval(testFx) : testFx()); //< defensive code
} else {
if(!condition) {
// If condition still not fulfilled (timeout but condition is 'false')
console.log("'waitFor()' timeout");
phantom.exit(1);
} else {
// Condition fulfilled (timeout and/or condition is 'true')
console.log("'waitFor()' finished in " + (new Date().getTime() - start) + "ms.");
typeof(onReady) === "string" ? eval(onReady) : onReady(); //< Do what it's supposed to do once the condition is fulfilled
clearInterval(interval); //< Stop this interval
}
}
}, 250); //< repeat check every 250ms
};
var page = require('webpage').create(), system = require('system'), address, output, size;
if (system.args.length < 3 || system.args.length > 5) {
console.log('Usage: rasterize.js URL filename [paperwidth*paperheight|paperformat] [zoom]');
console.log(' paper (pdf output) examples: "5in*7.5in", "10cm*20cm", "A4", "Letter"');
phantom.exit(1);
} else {
address = system.args[1];
output = system.args[2];
if (system.args.length > 3 && system.args[2].substr(-4) === ".pdf") {
size = system.args[3].split('*');
page.paperSize = size.length === 2 ? {
width : size[0],
height : size[1],
margin : '0px'
} : {
format : system.args[3],
orientation : 'portrait',
margin : {
left : "5mm",
top : "8mm",
right : "5mm",
bottom : "9mm"
}
};
}
if (system.args.length > 4) {
page.zoomFactor = system.args[4];
}
var resources = [];
page.onResourceRequested = function(request) {
resources[request.id] = request.stage;
};
page.onResourceReceived = function(response) {
resources[response.id] = response.stage;
};
page.open(address, function(status) {
if (status !== 'success') {
console.log('Unable to load the address!');
phantom.exit();
} else {
waitFor(function() {
// Check in the page if a specific element is now visible
for ( var i = 1; i < resources.length; ++i) {
if (resources[i] != 'end') {
return false;
}
}
return true;
}, function() {
page.render(output);
phantom.exit();
}, 10000);
}
});
}
すべてのリソース要求が完了するまで待機するソリューションを次に示します。完了すると、ページコンテンツがコンソールに記録され、レンダリングされたページのスクリーンショットが生成されます。
この解決策は良い出発点として役立ちますが、私はそれが失敗するのを観察したので、それは間違いなく完全な解決策ではありません！
document.readyStateを使用してあまり運がありませんでした。
phanforjsサンプルページ にある waitfor.js サンプルの影響を受けました。
var system = require('system');
var webPage = require('webpage');
var page = webPage.create();
var url = system.args[1];
page.viewportSize = {
width: 1280,
height: 720
};
var requestsArray = [];
page.onResourceRequested = function(requestData, networkRequest) {
requestsArray.Push(requestData.id);
};
page.onResourceReceived = function(response) {
var index = requestsArray.indexOf(response.id);
requestsArray.splice(index, 1);
};
page.open(url, function(status) {
var interval = setInterval(function () {
if (requestsArray.length === 0) {
clearInterval(interval);
var content = page.content;
console.log(content);
page.render('yourLoadedPage.png');
phantom.exit();
}
}, 500);
});
私のプログラムでは、いくつかのロジックを使用して、それがオンロードであるかどうかを判断します。ネットワーク要求を監視し、過去200ミリ秒で新しい要求がなければ、オンロードで処理します。
OnLoadFinish（）の後にこれを使用します。
function onLoadComplete(page, callback){
var waiting = []; // request id
var interval = 200; //ms time waiting new request
var timer = setTimeout( timeout, interval);
var max_retry = 3; //
var counter_retry = 0;
function timeout(){
if(waiting.length && counter_retry < max_retry){
timer = setTimeout( timeout, interval);
counter_retry++;
return;
}else{
try{
callback(null, page);
}catch(e){}
}
}
//for debug, log time cost
var tlogger = {};
bindEvent(page, 'request', function(req){
waiting.Push(req.id);
});
bindEvent(page, 'receive', function (res) {
var cT = res.contentType;
if(!cT){
console.log('[contentType] ', cT, ' [url] ', res.url);
}
if(!cT) return remove(res.id);
if(cT.indexOf('application') * cT.indexOf('text') != 0) return remove(res.id);
if (res.stage === 'start') {
console.log('!!received start: ', res.id);
//console.log( JSON.stringify(res) );
tlogger[res.id] = new Date();
}else if (res.stage === 'end') {
console.log('!!received end: ', res.id, (new Date() - tlogger[res.id]) );
//console.log( JSON.stringify(res) );
remove(res.id);
clearTimeout(timer);
timer = setTimeout(timeout, interval);
}
});
bindEvent(page, 'error', function(err){
remove(err.id);
if(waiting.length === 0){
counter_retry = 0;
}
});
function remove(id){
var i = waiting.indexOf( id );
if(i < 0){
return;
}else{
waiting.splice(i,1);
}
}
function bindEvent(page, evt, cb){
switch(evt){
case 'request':
page.onResourceRequested = cb;
break;
case 'receive':
page.onResourceReceived = cb;
break;
case 'error':
page.onResourceError = cb;
break;
case 'timeout':
page.onResourceTimeout = cb;
break;
}
}
}
onResourceRequestedおよびonResourceReceivedコールバック を使用して、非同期ロードを検出できます。これらのコールバックの使用例を次に示します ドキュメントから ：
var page = require('webpage').create();
page.onResourceRequested = function (request) {
console.log('Request ' + JSON.stringify(request, undefined, 4));
};
page.onResourceReceived = function (response) {
console.log('Receive ' + JSON.stringify(response, undefined, 4));
};
page.open(url);
また、実際の例についてはexamples/netsniff.jsをご覧ください。
私はこのアプローチがいくつかの場合に役立つことを発見しました：
page.onConsoleMessage(function(msg) {
// do something e.g. page.render
});
あなたがページを所有している場合、内部にいくつかのスクリプトを入れてください：
<script>
window.onload = function(){
console.log('page loaded');
}
</script>
これは、Suprの答えの実装です。また、Mateusz Charytoniukが示唆したように、setIntervalの代わりにsetTimeoutを使用します。
Phantomjsは、要求または応答がない場合、1000ミリ秒で終了します。
// load the module
var webpage = require('webpage');
// get timestamp
function getTimestamp(){
// or use Date.now()
return new Date().getTime();
}
var lastTimestamp = getTimestamp();
var page = webpage.create();
page.onResourceRequested = function(request) {
// update the timestamp when there is a request
lastTimestamp = getTimestamp();
};
page.onResourceReceived = function(response) {
// update the timestamp when there is a response
lastTimestamp = getTimestamp();
};
page.open(html, function(status) {
if (status !== 'success') {
// exit if it fails to load the page
phantom.exit(1);
}
else{
// do something here
}
});
function checkReadyState() {
setTimeout(function () {
var curentTimestamp = getTimestamp();
if(curentTimestamp-lastTimestamp>1000){
// exit if there isn't request or response in 1000ms
phantom.exit();
}
else{
checkReadyState();
}
}, 100);
}
checkReadyState();
このソリューションはNodeJSアプリで役立ちました。完全なページの読み込みを待機するためにタイムアウトを開始するため、私は必死の場合にのみ使用します。
2番目の引数は、応答の準備ができたら呼び出されるコールバック関数です。
phantom = require('phantom');
var fullLoad = function(anUrl, callbackDone) {
phantom.create(function (ph) {
ph.createPage(function (page) {
page.open(anUrl, function (status) {
if (status !== 'success') {
console.error("pahtom: error opening " + anUrl, status);
ph.exit();
} else {
// timeOut
global.setTimeout(function () {
page.evaluate(function () {
return document.documentElement.innerHTML;
}, function (result) {
ph.exit(); // EXTREMLY IMPORTANT
callbackDone(result); // callback
});
}, 5000);
}
});
});
});
}
var callback = function(htmlBody) {
// do smth with the htmlBody
}
fullLoad('your/url/', callback);
これは私が使用するコード：
var system = require('system');
var page = require('webpage').create();
page.open('http://....', function(){
console.log(page.content);
var k = 0;
var loop = setInterval(function(){
var qrcode = page.evaluate(function(s) {
return document.querySelector(s).src;
}, '.qrcode img');
k++;
if (qrcode){
console.log('dataURI:', qrcode);
clearInterval(loop);
phantom.exit();
}
if (k === 50) phantom.exit(); // 10 sec timeout
}, 200);
});
基本的に、特定の要素がDOMに表示されるときにページが完全にダウンロードされることを知っているはずです。そのため、スクリプトはこれが発生するまで待機します。
これは古い質問ですが、（casperjsとphantomjsを使用する）Spookyjsのページ全体の読み込みを探していて、解決策が見つからなかったため、ユーザーdeemstoneと同じアプローチでそのための独自のスクリプトを作成しました。このアプローチは、一定の時間内に、ページがリクエストを受信または開始しなかった場合、実行を終了します。
Casper.jsファイル（グローバルにインストールした場合、パスは/usr/local/lib/node_modules/casperjs/modules/casper.jsのようになります）に次の行を追加します。
すべてのグローバル変数を含むファイルの先頭：
var waitResponseInterval = 500
var reqResInterval = null
var reqResFinished = false
var resetTimeout = function() {}
次に、「var page = require（ 'webpage'）。create（）;」の直後の関数「createPage（casper）」内次のコードを追加します。
resetTimeout = function() {
if(reqResInterval)
clearTimeout(reqResInterval)
reqResInterval = setTimeout(function(){
reqResFinished = true
page.onLoadFinished("success")
},waitResponseInterval)
}
resetTimeout()
次に、「page.onResourceReceived = function onResourceReceived（resource）{」の最初の行に以下を追加します。
resetTimeout()
「page.onResourceRequested = function onResourceRequested（requestData、request）{」についても同じことを行います。
最後に、「page.onLoadFinished = function onLoadFinished（status）{」の最初の行に以下を追加します。
if(!reqResFinished)
{
return
}
reqResFinished = false
これで終わりです。これが私と同じようにトラブルに巻き込まれている人の助けになることを願っています。このソリューションはcasperjs用ですが、Spookyでは直接機能します。
がんばろう ！
Phantomjs waitfor.js example の個人的なブレンドを使用します。
これは私のmain.jsファイルです：
'use strict';
var wasSuccessful = phantom.injectJs('./lib/waitFor.js');
var page = require('webpage').create();
page.open('http://foo.com', function(status) {
if (status === 'success') {
page.includeJs('https://cdnjs.cloudflare.com/ajax/libs/jquery/3.1.1/jquery.min.js', function() {
waitFor(function() {
return page.evaluate(function() {
if ('complete' === document.readyState) {
return true;
}
return false;
});
}, function() {
var fooText = page.evaluate(function() {
return $('#foo').text();
});
phantom.exit();
});
});
} else {
console.log('error');
phantom.exit(1);
}
});
lib/waitFor.jsファイル（これは、phantomjs waitfor.js example からのwaifFor()関数の単なるコピーアンドペーストです）：
function waitFor(testFx, onReady, timeOutMillis) {
var maxtimeOutMillis = timeOutMillis ? timeOutMillis : 3000, //< Default Max Timout is 3s
start = new Date().getTime(),
condition = false,
interval = setInterval(function() {
if ( (new Date().getTime() - start < maxtimeOutMillis) && !condition ) {
// If not time-out yet and condition not yet fulfilled
condition = (typeof(testFx) === "string" ? eval(testFx) : testFx()); //< defensive code
} else {
if(!condition) {
// If condition still not fulfilled (timeout but condition is 'false')
console.log("'waitFor()' timeout");
phantom.exit(1);
} else {
// Condition fulfilled (timeout and/or condition is 'true')
// console.log("'waitFor()' finished in " + (new Date().getTime() - start) + "ms.");
typeof(onReady) === "string" ? eval(onReady) : onReady(); //< Do what it's supposed to do once the condi>
clearInterval(interval); //< Stop this interval
}
}
}, 250); //< repeat check every 250ms
}
このメソッドは非同期ではありませんが、少なくとも、使用する前にすべてのリソースがロードされたことを確認できます。
これは私の解決策であり、私のために働いた。
page.onConsoleMessage = function(msg, lineNum, sourceId) {
if(msg=='hey lets take screenshot')
{
window.setInterval(function(){
try
{
var sta= page.evaluateJavaScript("function(){ return jQuery.active;}");
if(sta == 0)
{
window.setTimeout(function(){
page.render('test.png');
clearInterval();
phantom.exit();
},1000);
}
}
catch(error)
{
console.log(error);
phantom.exit(1);
}
},1000);
}
};
page.open(address, function (status) {
if (status !== "success") {
console.log('Unable to load url');
phantom.exit();
} else {
page.setContent(page.content.replace('</body>','<script>window.onload = function(){console.log(\'hey lets take screenshot\');}</script></body>'), address);
}
});