Javascript PhantomJS和Google Chrome/Firefox的HTML输出是不同的

我调试这个已经很长时间了，它让我完全困惑。我需要为一个工作项目把广告保存到我的电脑上。下面是我从CNN.com上得到的一个广告示例：

当我在Google Chrome和Firefox中访问此链接时，我会看到一则广告（如果链接停止工作，只需访问CNN.com并获取其中一则广告的iframe URL）。我开发了一个PhantomJS脚本，可以保存屏幕截图和任何页面的HTML。它适用于任何网站，但对这些广告似乎不起作用。屏幕截图是空白的，HTML包含一个跟踪像素（用于跟踪广告的1x1透明gif）。我想它会给我在普通浏览器中看到的东西

我能想到的唯一一件事是，AJAX调用不知怎么搞砸了PhantomJS，所以我硬编码了一个延迟，但得到了相同的结果

下面是重现我的问题的最基本的测试代码：

var fs = require('fs');
var page = require('webpage').create();
var url = phantom.args[0];

page.open(url, function (status) {
    if (status !== 'success') {
        console.log('Unable to load the address!');
        phantom.exit();
    }
    else {
        // Output Results Immediately
        var html = page.evaluate(function () {
            return document.getElementsByTagName('html')[0].innerHTML;
        });
        fs.write("HtmlBeforeTimeout.htm", html, 'w');
        page.render('RenderBeforeTimeout.png');

        // Output Results After Delay (for AJAX)
        window.setTimeout(function () {
            var html = page.evaluate(function () {
                return document.getElementsByTagName('html')[0].innerHTML;
            });
            fs.write("HtmlAfterTimeout.htm", html, 'w');
            page.render('RenderAfterTimeout.png');
            phantom.exit();
        }, 9000); // 9 Second Delay 
    }
});

您可以在终端中使用以下命令运行此代码：

phantomjs getHtml.js 'http://www.google.com/'

上述命令运行良好。当你用一个广告URL（如本文顶部的那个）替换谷歌URL时，is给了我我解释过的意想不到的结果

非常感谢你的帮助！这是我在这里发布的第一个问题，因为我几乎总能通过搜索堆栈溢出找到答案。然而，这一次却把我彻底难倒了！：）

编辑：我正在Ubuntu 14.04（Trusty Tahr）上运行PhantomJS 1.9.7

编辑：好的，我已经做了一段时间了，我想这和饼干有关。如果我清除所有历史记录并在浏览器中查看链接，它也会显示为空白。如果我随后刷新页面，它将显示良好。如果我在新选项卡中打开它，它也会显示良好。唯一一次没有，是当我试图在清除cookies后直接查看它时

---

编辑：我尝试在PhantomJS中加载链接两次，但没有退出（在调用phantom.exit（）之前在脚本中手动请求链接两次）。它不起作用。在PhantomJS文档中，它说CookieJAR在默认情况下是启用的。有什么想法吗？：）

您应该尝试使用onLoadFinished回调，而不是在page.open中检查状态。像这样的方法应该会奏效：

var fs = require('fs');
var page = require('webpage').create();
var url = phantom.args[0];

page.open(url);

page.onLoadFinished = function()
{
    // Output Results Immediately
    var html = page.evaluate(function () {
        return document.getElementsByTagName('html')[0].innerHTML;
    });
    fs.write("HtmlBeforeTimeout.htm", html, 'w');
    page.render('RenderBeforeTimeout.png');

    // Output Results After Delay (for AJAX)
    window.setTimeout(function () {
        var html = page.evaluate(function () {
            return document.getElementsByTagName('html')[0].innerHTML;
        });
        fs.write("HtmlAfterTimeout.htm", html, 'w');
        page.render('RenderAfterTimeout.png');
        phantom.exit();
    }, 9000); // 9 Second Delay 
};

我在这里有一个答案，它循环遍历本地文件夹中的所有文件，并保存生成页面的图像： 同样的原则也适用于远程HTML页面

以下是我从输出中得到的信息：
超时前：

超时后：

---

似乎很合理，尤其是因为您首先加载的是一堆JS，以便在以后渲染iframe，这里的计时对于渲染的内容很重要。我只是将OP的原始代码移动到onLoadFinished回调。9秒的延迟与OP一样。抱歉，评论是针对OP的。我同意你的意见：）@dbrin没问题！：）谢谢你的快速回复！我将您的代码复制并粘贴到一个新文件中，并对其进行了测试。输出与我的完全相同（它与谷歌链接配合良好，但与CNN的广告不配合）。你还有其他想法吗？：）这真是个难缠的家伙！无论我尝试什么，我只得到1x1的黑色图像。我想知道这是否与某些广告在嵌入式Flash播放器中播放有关？从1.5版开始，PhantomJS不再支持Flash，以允许PhantomJS完全无头运行，而无需xvfb。值得一试的是SlimerJS，它使用Gecko引擎而不是Webkit，Webkit支持Flash，并且具有与PhantomJS几乎相同的API。