Browser 通过屏幕抓取从浏览器获取数据

我已经看了几个相关的问题，但它们没有包含我正在寻找的答案。所以，我的问题是：

我的工作场所有几个web应用程序，它们是使用不同的框架编写的，而作者们早就要求更新功能了。因此，我每天都要经历相同的动作序列，相当于几千字节的文件大小

我试图解析页面源代码，但作者的编程技术无处不在。有些人甚至故意隐藏代码，不让数据显示为文本，这是没有理由的，因为他们编写的代码是公司的资产。长话短说，我意识到如果我可以复制和粘贴这些页面的文本内容，我可以处理这些数据，比解析页面源代码来获取文本要容易得多（这有时是完全不可能的）

因此，我现在正在寻找一个浏览器插件（在windows或linux环境中）或windows或linux上的同等基于文本的工具，它将加载这些页面，并在调用时将屏幕上的文本保存到文件中

不管我怎么努力，我还是空手而归

我不想利用第三方屏幕抓取网站的服务，因为数据是公司机密，外部人士无法访问。一切都必须发生在客户端，因为我无法访问这些应用程序运行的服务器（主要是windows前端的IIS和后端的oracle db。正如我之前所解释的，中间层是任何人的猜测，从原生oracle应用程序到weblogic到tomcat，再到一些内部开发的java/javascript

---

提前感谢所有的帮助

像这样的东西怎么样：

---

将HTML页面转换为文本的免费软件

任何链接、lynx或w3m都可以满足您的需要，它们是文本浏览器，您可以通过以下方式从网页中转储文本，例如：

w3m -dump http://www.google.com > g.txt

---

在寻找了一年多的答案后，我意识到，只要我使用windows，它的现代版本就是autohotkey，这是我的救星

我打开网页，将其最大化，放置光标（mousemove，x，y），然后左键单击（mouseclick，L），然后发送ctrl-A和ctrl-C

瞧！所有东西都在剪贴板中。然后我激活我的unix会话（winactivate PuTTY），并发送相应的按键命令来启动我选择的编辑器（即vi），最后发送shift Insert以将剪贴板粘贴到我的文档中。当然，然后保存并退出

另外，在保存文档之后，我可以调用我选择的脚本来解析此文件，并将感兴趣的部分返回给我

---

我知道它不是防弹的，但对我来说，它在很大程度上是有帮助的。事实上，我可以用这种方法做任何我想做的事情。

你有过使用这种方法的个人经历吗？大多数独立应用程序只是尝试剥离页面源代码的html部分，并将其余部分提供给你。我的页面是javascript heav正如我所说，有些东西是故意模糊的。到目前为止，刮屏的唯一方法是用鼠标选择浏览器窗口上的文本，然后按住ctrl-c键复制文本，然后粘贴到记事本会话中。嗨，我个人没有这方面的经验。但是考虑到你的问题，如果页面是通过Javascript呈现的，像Greasemonkey这样的东西可以让你编写额外的脚本，从javascript填充的元素中获取值吗？然后你可以通过Ajax将收集到的值提交到另一个web表单，瞧，你已经得到了数据！啊…Greasemonkey脚本很可能正是我所需要的。问题是，我既不精通Javasc，也不精通Javasc我也不知道如何编写greasemonkey脚本来提取这些值。我希望，其他人已经这样做了，我可以重用他们的工作。因为每个网页都不同，我认为不可能编写一个全面的脚本来处理这个问题。你需要先检查相关页面的源代码要确定要从中提取数据的所有html元素，那么在这一点上，编写一个javascript函数来提取数据就很容易了。您是否可以访问网页代码，以便将jQuery库添加到包含的脚本中？如果可以，添加一个简单的$（文档）将非常容易.ready函数，该函数读取值并通过$.ajax（）提交调用您选择的页面。否则，greasemonkey就是最好的选择。只需引用所需的HTML元素来检索它们的值或innerHTML。这本来就是我想要的，但是，代码模糊的页面会吐出它们在现代浏览器下无法显示的文本，使得输出毫无用处。比如，有一个从数据库中提取密码并逐字逐句输出的页面，其中包含未使用的字符。你可以在chrome上查看输出，比如说chrome，你可以看到一个密码，你可以突出显示并用鼠标复制。当你转储lynx输出时，你看到的是所有字符，可用和不可用，使输出无效。我认为因为lynx不懂javascript和样式。