网页html截屏转图片（二）PhantomJS

关于PhantomJS

PhantomJS 是一个基于WebKit的服务器端 JavaScript API。它全面支持web而不需浏览器支持，其快速，原生支持各种Web标准： DOM 处理, CSS 选择器, JSON, Canvas, 和 SVG。PhantomJS可以用于页面自动化，网络监测，网页截屏，以及无界面测试等。

我们还可以用它来做爬虫哦，大家知道，网页上有些数据是通过执行js渲染出来的，这样的话爬虫去抓取数据的时候就会很麻烦，PhantomJS自带WebKit内核，我们可以利用PhantomJS解决爬虫不能执行js的问题。

这次要说的是他的截图功能

下面是官网提供的rasterize.js截图示例：

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 }; // 通过clipRect可以指定渲染的区域： 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); } }); }

上面的代码可以进行截图，不过问题就在于，页面的高度需要我们手动指定，那就不方便了。

在园子里发现有个哥们通过手动设定高度的方法来解决这个问题：http://www.cnblogs.com/xiehuiqi220/p/3551699.html，不过页面的高度没有那么高，渲染的图片下面就会出现大块的留白，也是不够灵活。

想到PhantomJS本身也可以执行js的，我们可以将页面加载完毕后，获取页面的实际高度，然后重新设定截取的区域，不就可以解决了。

于是便有了以下代码：

// 通过在页面上执行脚本获取页面的渲染高度
var bb = page.evaluate(function () { return document.getElementsByTagName('html')[0].getBoundingClientRect(); }); // 按照实际页面的高度，设定渲染的宽高 page.clipRect = { top: bb.top, left: bb.left, width: bb.width, height: bb.height }; // 预留一定的渲染时间 window.setTimeout(function () { page.render(file); page.close(); console.log('render ok'); }, 1000);

改造后的代码如下：

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) { // 通过在页面上执行脚本获取页面的渲染高度 var bb = page.evaluate(function () { return document.getElementsByTagName('html')[0].getBoundingClientRect(); }); // 按照实际页面的高度，设定渲染的宽高 page.clipRect = { top: bb.top, left: bb.left, width: bb.width, height: bb.height }; // 预留一定的渲染时间 window.setTimeout(function () { page.render(output); page.close(); console.log('render ok'); }, 1000); }); }

通过执行D:\Software\phantomjs-1.9.7-windows>phantomjs.exe render.js http://cnblogs.com cnblogs.png就可以把博客园首页截取下来了。

效果如下：