网页全截图实现

前言

使用Python的urllib以及urllib2只能获取到静态的网页，对于一整张网页进行截图就不是很容易了。今天凑巧看到了PhantomJS。于是对于整张网页进行截图保存再也不是一件困难的事情了。

PhantomJS简介

PhantomJS is a headless WebKit scriptable with a JavaScript API. It has fast and native support for various web standards: DOM handling, CSS selector, JSON, Canvas, and SVG.

换句话讲，也可以如下理解。

PhantomJS是一个基于webkit的JavaScript API。它使用QtWebKit作为它核心浏览器的功能，使用webkit来编译解释执行JavaScript代码。任何你可以在基于webkit浏览器做的事情，它都能做到。它不仅是个隐形的浏览器，提供了诸如CSS选择器、支持Web标准、DOM操作、JSON、HTML5、Canvas、SVG等，同时也提供了处理文件I/O的操作，从而使你可以向操作系统读写文件等。PhantomJS的用处可谓非常广泛，诸如前端无界面自动化测试（需要结合 Jasmin）、网络监测、网页截屏等。

环境搭建

下载解析器phantomjs

官网地址为：http://phantomjs.org/
截止到2017年2月28日20:14:11为止最新版本为V2.1。下载完成之后解压一下，将Bin目录下的phantomjs.exe放到Python的安装目录的Scripts文件夹内即可。

然后是selenium

关于selenium的安装和驱动的配置，可以参照下面的这个链接：
http://blog.csdn.net/marksinoberg/article/details/53610401

至此，Windows上的Phatomjs对于Python的环境就算是搭建好了。

基本语法

下面根据官网上给的例子，先来做几个小测试，熟悉一下语法。

helloworld

将下面的代码保存为example.js即可。

console.log('Hello, world!');
phantom.exit();

运行方式，在命令行下执行

phantomjs example.js

需要注意的是
It is very important to call phantom.exit() at some point in the script, otherwise PhantomJS will not be terminated at all.

截图

var page = require('webpage').create();
page.open('http://blog.csdn.net/marksinoberg', function(status) {
  console.log("Status: " + status);
  if(status === "success") {
    page.render('example.png');
  }
  phantom.exit();
});

运行完此脚本之后将在同级目录下生成一个名为example.png的图片。

使用命令行参数

其实只需要加上对system模块的引用即可。

var page = require('webpage').create(),
  system = require('system'),
  t, address;

if (system.args.length === 1) {
  console.log('Usage: loadspeed.js ');
  phantom.exit();
}

t = Date.now();
address = system.args[1];
page.open(address, function(status) {
  if (status !== 'success') {
    console.log('FAIL to load the address');
  } else {
    t = Date.now() - t;
    console.log('Loading ' + system.args[1]);
    console.log('Loading time ' + t + ' msec');
  }
  phantom.exit();
});

运行方式：

phantomjs example.js http://blog.csdn.net/marksinoberg

关于JS部分的测试基本上就算是完成了。

结合Python

其实不用Python来调用也是可以的，使用批命令的方式也会很妥当，但是很多时候动态的解析起来，使用Python还是比较爽的，所以接下来就简单的使用Python做下测试。

简易版

先写好一个example.js脚本，内容如下：

var page = require('webpage').create();
page.open('http://lib.csdn.net/experts/detail?type=11', function(status){
    console.log('Status:' + status);
    if(status === "success") {
        page.render('example.png');
    }
    phantom.exit();
});

然后写个Python的脚本，名为example.py 内容如下:

# coding: utf8

import os
os.system("phantomjs example.js")

注意这两个脚本应该在同级目录下，然后运行一下：

python example.py

获取到的结果图如下：

example.png

稍难一点点

修改js中的脚本来实现网址和文件名的方式总归是不妥的，下面使用命令行传参的方式来解决这一个小问题。

var page = require('webpage').create();
var system = require('system');
page.open(system.args[1], function(status){
    console.log('Status:' + status);
    if(status === "success") {
        page.render(system.args[2]);
    }
    phantom.exit();
});

下面是Python代码：

# coding: utf8

import os

argv1 = raw_input('The URL:\n')
argv2 = raw_input('The Saved Picture name:\n')

os.system("phantomjs screenshot.js {} {}".format(argv1, argv2))

运行一下，可以得到下面的截图。

长截图

题外话

起初，我想做的是一个动态解析QQ音乐搜索结果，转成对外可用的JSON接口的，但是发现QQ音乐网页内容是JS动态生成的，而且会根据songurl不同发生页面重定向，至于怎么实现的，我就不得而知了。总之，不好办。

今天看完了Phantomjs，就又试了一下，发现有些可以，有些仍然是不行（重定向那块仍旧是不行）。

下面贴出我的代码块，有兴趣的不妨加以改进。

# coding: utf8

from selenium import webdriver
driver = webdriver.PhantomJS()
# 获取要搜索的歌曲名称。这里因为在Window的CMD中输入中文，故做了编码转换
songname = raw_input('song name:\n').decode('gbk').encode('utf8')
import urllib
songname = urllib.quote(songname)


target_url = "https://c.y.qq.com/soso/fcgi-bin/search_cp?remoteplace=txt.yqq.song&searchid=70358775627327036&t=0&aggr=1&cr=1&catZhida=1&lossless=0&flag_qc=0&p=1&n=20&w={}&g_tk=767270056&jsonpCallback=searchCallbacksong8831&loginUin=1064319632&hostUin=0&format=jsonp&inCharset=utf8&outCharset=utf-8¬ice=0&platform=yqq&needNewCode=0".format(songname)
driver.get(target_url)
# 设置超时等待时间
driver.implicitly_wait(20) 
data = driver.page_source
data = data.encode('utf8')
###############################去除HTML代码，转成JSON格式
data = str(data).lstrip("searchCallbacksong8831(")
data = data.rstrip(")")


file = open('./search_result.json', 'w+')
file.write(data)
file.close()
driver.quit()

# data 为JSON格式，通过查找文件内容，可以发现下面的两种songurl
# http://y.qq.com/#type=song&id=3328967  这样的不行啊
# http://ws.stream.qqmusic.qq.com/TK60b992e09aa466f130adfe8becbb9b083f.mp3?fromtag=0 这样的倒还是可以

给大家看一下我成功获取到的一首歌曲的样例。

首先输入歌曲名称

歌曲名称

查看生成的JSON文件

生成的歌曲相关的JSON文件
播放结果

歌曲播放效果

总结

最后来回顾一下，Phantomjs真的是很强大啊。感觉对它的挖掘还是很浅显，唯一遗憾的就是没能搞定QQ音乐重定向的那个坑。

今天Python就当是打了个酱油吧，其实用批命令脚本会更爽。