Java使用HtmlUnit抓取js渲染页面

需求：

需要采集js渲染的页面，有些网站的页面是js渲染的

实现：

基于HtmlUnit实现：

1. public static void getAjaxPage() throws Exception{
2. WebClient webClient = new WebClient();
3. webClient.setJavaScriptEnabled(true);
4. webClient.setCssEnabled(false);
5. webClient.setAjaxController(new NicelyResynchronizingAjaxController());
6. webClient.setTimeout(Integer.MAX_VALUE);
7. webClient.setThrowExceptionOnScriptError(false);
8. HtmlPage rootPage = webClient.getPage("http://tt.mop.com/read_14304066_1_0.html");
9. System.out.println(rootPage.asXml());
10. }

maven依赖：

1. <dependency>
2. <groupId>net.sourceforge.htmlunit</groupId>
3. <artifactId>htmlunit-core-js</artifactId>
4. <version>2.9</version>
5. <scope>compile</scope>
6. </dependency>
7. <dependency>
8. <groupId>net.sourceforge.htmlunit</groupId>
9. <artifactId>htmlunit</artifactId>
10. <version>2.9</version>
11. <scope>compile</scope>
12. </dependency>

说明：

Nutch插件：nutch-htmlunit用于替换Nutch自身的Http Fetch组件