Jeder hat eine gute Lösung zum Scraping der HTML-Quelle einer Seite mit Inhalt (in diesem Fall HTML-Tabellen) mit Javascript generiert?Jeder hat eine gute Lösung zum Scraping der HTML-Quelle einer Seite mit Inhalt (in diesem Fall HTML-Tabellen) mit Javascript generiert?
Eine peinliche einfache, wenn auch praktikable Lösung Crowbar mit:
<?php
function get_html($url) // $url must be urlencode(d)
{
$context = stream_context_create(array(
'http' => array('timeout' => 120) // HTTP timeout in seconds
));
$html = substr(file_get_contents('http://127.0.0.1:10000/?url=' . $url . '&delay=3000&view=browser', 0, $context), 730, -32); // substr removes HTML from the Crowbar web service, returning only the $url HTML
return $html;
}
?>
Der Vorteil Crowbar zu verwenden ist, dass die Tabellen (und zugänglich) dank der Maden mozilla-basierten Browser gerendert wird. Edit: festgestellt, dass das Problem mit Crowbar eine widersprüchliche App war, nicht die Serverausfallzeit, die nur ein Zufall war.