如何在chrome/chromium无头上转储<body>以上？

Question

如何在chrome/chromium无头上转储<body>以上？

Jes*_*yer 7 dom chromium google-chrome-headless

Chrome的文档说明:

--dump-dom标志将document.body.innerHTML打印到stdout:

根据标题,如何将更多的DOM对象(理想情况下全部)转移到Chromium无头？我可以通过开发人员工具手动保存整个DOM,但我想要一个程序化的解决方案.

Answer 1

Luk*_*kas 6

更新 2019-04-23 谷歌在无头方面非常活跃，发生了许多更新

下面的答案适用于 v62 当前版本是 v73，并且它一直在更新。 https://www.chromestatus.com/features/schedule

我强烈建议检查 puppeteer 是否有无头 chrome 的任何未来发展。它由 Google 维护，它会安装所需的 Chrome 版本和npm 包，因此您只需使用文档中的 puppeteer API，而不必担心 Chrome 版本并设置无头 Chrome 和开发工具 API 之间的连接，这可以实现 99% 的魔法.

回购：https : //github.com/GoogleChrome/puppeteer
文档：https : //pptr.dev/

更新 2017-10-29 Chrome 已经有 --dump-html 标志，它返回完整的 HTML，而不仅仅是正文。

v62 确实有它，它已经在稳定频道上。

解决此问题的问题：https : //bugs.chromium.org/p/chromium/issues/detail?id=752747

当前 chrome 状态（每个频道的版本）https://www.chromestatus.com/features/schedule

为遗产留下旧答案

您可以使用 google chrome 远程界面来完成。我已经尝试过了，浪费了几个小时试图启动 chrome 并获得完整的 html，包括标题，但它还没准备好，我想说。

它有时会起作用，但我尝试在生产环境中运行它并且不时出现错误。所有类型的随机错误，如 connection reset和no chrome found to kill。这些错误有时会出现并且很难调试。

--dump-dom当我需要正文时，我个人使用获取 html，当我需要标题时，我curl现在只使用它。当然，chrome 可以从 SPA 应用程序中为您提供标题，如果标题是从 JS 设置的，则仅使用 curl 无法完成。有稳定的解决方案后将切换到谷歌浏览器。

希望--dump-html在 chrome上有标志并获得所有 html。如果 Google 的工程师正在阅读本文，请将此类标志添加到 chrome。

我在 Chrome 问题跟踪器上创建了问题，请点击最喜欢的“明星”以引起谷歌开发人员的注意：

https://bugs.chromium.org/p/chromium/issues/detail?id=752747

这是 chrome 的所有类型标志的长列表，不确定它是否已满和所有标志：https : //peter.sh/experiments/chromium-command-line-switches/没有转储标题标签。

这段代码来自谷歌的博客文章，你可以试试你的运气：
const CDP = require('chrome-remote-interface');

...

(async function() {

const chrome = await launchChrome();
const protocol = await CDP({port: chrome.port});

// Extract the DevTools protocol domains we need and enable them.
// See API docs: https://chromedevtools.github.io/devtools-protocol/
const {Page, Runtime} = protocol;
await Promise.all([Page.enable(), Runtime.enable()]);

Page.navigate({url: 'https://www.chromestatus.com/'});

// Wait for window.onload before doing stuff.
Page.loadEventFired(async () => {
  const js = "document.querySelector('title').textContent";
  // Evaluate the JS expression in the page.
  const result = await Runtime.evaluate({expression: js});

  console.log('Title of page: ' + result.result.value);

  protocol.close();
  chrome.kill(); // Kill Chrome.
});

})();
Run Code Online (Sandbox Code Playgroud)
来源：https : //developers.google.com/web/updates/2017/04/headless-chrome

归档时间：	8 年，3 月前
查看次数：	3329 次
最近记录：	6 年，6 月前