利用PhantomJS進行網頁截圖，完美解決擷取高度的問題

StanZhai發表於2014-11-19
JS網頁

關於PhantomJS

PhantomJS 是一個基於WebKit的伺服器端 JavaScript API。它全面支援web而不需瀏覽器支援，其快速，原生支援各種Web標準： DOM 處理, CSS 選擇器, JSON, Canvas, 和 SVG。PhantomJS可以用於頁面自動化，網路監測，網頁截圖，以及無介面測試等。

我們還可以用它來做爬蟲哦，大家知道，網頁上有些資料是通過執行js渲染出來的，這樣的話爬蟲去抓取資料的時候就會很麻煩，PhantomJS自帶WebKit核心，我們可以利用PhantomJS解決爬蟲不能執行js的問題。

這次要說的是他的截圖功能

下面是官網提供的rasterize.js截圖示例：

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"');
    console.log('  image (png/jpg output) examples: "1920px" entire page, window width 1920px');
    console.log('                                   "800px*600px" window, clipped to 800x600');
    phantom.exit(1);
} else {
    address = system.args[1];
    output = system.args[2];
    page.viewportSize = { width: 600, height: 600 };
    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: '1cm' };
    } else if (system.args.length > 3 && system.args[3].substr(-2) === "px") {
        size = system.args[3].split('*');
        if (size.length === 2) {
            pageWidth = parseInt(size[0], 10);
            pageHeight = parseInt(size[1], 10);
            page.viewportSize = { width: pageWidth, height: pageHeight };
            // 通過clipRect可以指定渲染的區域：
            page.clipRect = { top: 0, left: 0, width: pageWidth, height: pageHeight };
        } else {
            console.log("size:", system.args[3]);
            pageWidth = parseInt(system.args[3], 10);
            pageHeight = parseInt(pageWidth * 3/4, 10); // it's as good an assumption as any
            console.log ("pageHeight:",pageHeight);
            page.viewportSize = { width: pageWidth, height: pageHeight };
        }
    }
    if (system.args.length > 4) {
        page.zoomFactor = system.args[4];
    }
    page.open(address, function (status) {
        if (status !== 'success') {
            console.log('Unable to load the address!');
            phantom.exit(1);
        } else {
            window.setTimeout(function () {
                page.render(output);
                phantom.exit();
            }, 200);
        }
    });
}

上面的程式碼可以進行截圖，不過問題就在於，頁面的高度需要我們手動指定，那就不方便了。

在園子裡發現有個哥們通過手動設定高度的方法來解決這個問題：http://www.cnblogs.com/xiehuiqi220/p/3551699.html，不過頁面的高度沒有那麼高，渲染的圖片下面就會出現大塊的留白，也是不夠靈活。

想到PhantomJS本身也可以執行js的，我們可以將頁面載入完畢後，獲取頁面的實際高度，然後重新設定擷取的區域，不就可以解決了。

於是便有了以下程式碼：

// 通過在頁面上執行指令碼獲取頁面的渲染高度
var bb = page.evaluate(function () { 
  return document.getElementsByTagName('html')[0].getBoundingClientRect(); 
});
// 按照實際頁面的高度，設定渲染的寬高
page.clipRect = {
  top:    bb.top,
  left:   bb.left,
  width:  bb.width,
  height: bb.height
};
// 預留一定的渲染時間
window.setTimeout(function () {
  page.render(file);
  page.close();
  console.log('render ok');
}, 1000);

改造後的程式碼如下：

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');
    phantom.exit(1);
} else {
    address = system.args[1];
    output = system.args[2];
    page.viewportSize = { width: 1024, height: 600 };
    page.open(address, function (status) {
      // 通過在頁面上執行指令碼獲取頁面的渲染高度
      var bb = page.evaluate(function () { 
        return document.getElementsByTagName('html')[0].getBoundingClientRect(); 
      });
      // 按照實際頁面的高度，設定渲染的寬高
      page.clipRect = {
        top:    bb.top,
        left:   bb.left,
        width:  bb.width,
        height: bb.height
      };
      // 預留一定的渲染時間
      window.setTimeout(function () {
        page.render(output);
        page.close();
        console.log('render ok');
      }, 1000);
    });
}

通過執行D:\Software\phantomjs-1.9.7-windows>phantomjs.exe render.js http://cnblogs.com cnblogs.png就可以把部落格園首頁擷取下來了。

效果如下：

利用PhantomJS進行網頁截圖，完美解決擷取高度的問題

PhantomJS內建一個小型的Web伺服器，我們可以將其封裝成服務，這裡就不過多介紹了，大家可以移步這裡：http://www.jb51.net/article/43328.htm

相關文章