使用jsdom和node.js发布表单

Question

我正在使用jsdom,jquery和node.js来抓取网站.有什么办法可以发布一个表单并使用jsdom获取生成的下一页窗口.

这是代码

var httpAgent = require('http-agent'),
    jsdom = require('jsdom'),
    request = require('request');

request({uri:'http://www.orbitz.com'}, function(error, response, body){
  if(error && response.statusCode != 200)
    console.log('Error on request');

  jsdom.env({
    html: body,
      scripts : [
        'http://code.jquery.com/jquery-1.5.min.js'
      ]
    }, function(err, window) {
          var $ = window.jQuery;

          $('#airOneWay').attr('checked', true);
          $('#airRoundTrip').removeAttr('checked');
          $('#airOrigin').val('ATL');
          $('#airDestination').val('CHI');

          // here we need to submit the form $('#airbotForm') and get the resulting window
          //console.log($('#airbotForm').html());
   });
});

这是需要提交的表单,$('#airbotForm')必须捕获生成的页面.

有人可以帮忙吗？谢谢

Answer 1

天啊.这是我们进入疯狂土地的地方.

就目前而言,jsdom和"浏览器"之间的关键区别是我们可以从外部访问窗口.例如,在您设置的示例$中window.$,基本上是说"嘿,对于当前窗口,我想要一个对jquery对象的引用".你可以拥有10个窗口,并保留对所有窗口的引用$.

现在,假设您因表单提交/链接点击而加载新页面...

JSDOM需要重新加载窗口并更新javascript上下文(可能会注入您在原始jsdom.env调用中提供的脚本).不幸的是,你从最后一个窗口持有的引用将被删除/覆盖.换句话说,$(...)在页面重新加载后调用会导致意外行为(很可能是内存泄漏或前一页上的dom元素选择)

你怎么解决这个问题？

由于你已经使用jquery,做一些类似的事情..

var form   = $('#htlbotForm');
var data   = form.serialize();
var url    = form.attr('action') || 'get';
var type   = form.attr('enctype') || 'application/x-www-form-urlencoded';
var method = form.attr('method');

request({
  url    : url,
  method : method.toUpperCase(),
  body   : data,
  headers : {
    'Content-type' : type
  }
},function(error, response, body) {
  // this assumes no error for brevity.
  var newDoc = jsdom.env(body, [/* scripts */], function(errors, window) {
    // do your post processing
  });
});

YMMV,但这种方法应该适用于非ajax情况.