从Iframe抓取文本

Question

如何用木偶操纵者从iframe中抓取文本。

作为一个简单的可重现的例子，scrape， This is a paragraph来自这个url的iframe的This is a paragraph

https://www.w3schools.com/js/tryit.asp?filename=tryjs_events

Answer 1

要在page.evaluate抓取iframe的文本，您可以使用page.evaluate的page.evaluate来评估返回iframe内容的页面上下文中的JavaScript。

这样做的步骤是：

1. 抓住iframe元素
2. 获取iframe的document对象。
3. 使用document对象来读取iframe的HTML

我写了这个程序来抓取This is a paragraph 你提供的链接中的 This is a paragraph ：

const puppeteer = require("puppeteer");

(async () => {

    const browser = await puppeteer.launch();

    const page = await browser.newPage();
    await page.goto('https://www.w3schools.com/js/tryit.asp?filename=tryjs_events');

    const iframeParagraph = await page.evaluate(() => {

        const iframe = document.getElementById("iframeResult");

        // grab iframe's document object
        const iframeDoc = iframe.contentDocument || iframe.contentWindow.document;

        const iframeP = iframeDoc.getElementById("demo");

        return iframeP.innerHTML;
    });

    console.log(iframeParagraph); // prints "This is a paragraph"

    await browser.close();

})();

Answer 2

我知道这个问题已经有了答案，但是如果有人想要采用另一种方法，你可以从iframe中获取内容并使用cheerio遍历元素并获取你想要的任何元素的文本 - 你可以找到它在这里 。