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：

2. public static void getAjaxPage() throws Exception{  
3.     WebClient webClient = new WebClient();  
4.     webClient.setJavaScriptEnabled(true);  
5.     webClient.setCssEnabled(false);  
6.     webClient.setAjaxController(new NicelyResynchronizingAjaxController());  
7.     webClient.setTimeout(Integer.MAX_VALUE);  
8.     webClient.setThrowExceptionOnScriptError(false);  
9.     HtmlPage rootPage = webClient.getPage("http://tt.mop.com/read_14304066_1_0.html");  
10.  
11.     System.out.println(rootPage.asXml());  
12. } 

maven依赖：

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

说明：

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