javascript - Agrupe enlaces anidados por iframe de primer nivel usando casperjs
(1)
Si lo recibo correctamente, quiere seleccionar qué iframe obtiene de los enlaces y solo de ese iframe. Si ese es el caso, entonces puede usar simplemente switchToChildFrame
para cambiar al iframe deseado y luego simplemente obtener los enlaces llamando a get_links(obj)
.
Mi ejemplo tiene 3 páginas. Un index.html
que carga iframe1.html
dentro de un iframe e iframe1.html
tiene otro iframe dentro que carga iframe2.html
. Cada archivo tiene 3 enlaces dentro:
index.html
<a href="link1/from/index">Link 1 from index</a>
<a href="link2/from/index">Link 2 from index</a>
<a href="link3/from/index">Link 3 from index</a>
<iframe src="iframe1.html"></iframe>
iframe1.html
<a href="link1/from/iframe1">Link 1 from iframe 1</a>
<a href="link2/from/iframe1">Link 2 from iframe 1</a>
<a href="link3/from/iframe1">Link 3 from iframe 1</a>
<iframe src="iframe2.html"></iframe>
iframe2.html
<a href="link1/from/iframe2">Link 1 from iframe 2</a>
<a href="link2/from/iframe2">Link 2 from iframe 2</a>
<a href="link3/from/iframe2">Link 3 from iframe 2</a>
y la función refactored getLinksFromIframes
sería así:
function getLinksFromIframes(callback) {
this.echo("Here we come: " + this.getCurrentUrl() + "/n");
function to_frame(obj) {
obj.echo("We are here: " + obj.getCurrentUrl());
var l = unique(get_links(obj));
var i;
for (i = 0; i < l.length; i++) {
console.log(l[i]);
links.push(l[i])
}
links = unique(links);
console.log("");
}
function to_evaluate(obj) {
return obj.evaluate(function () {
var iframes = [];
[].forEach.call(document.querySelectorAll("iframe"), function (iframe, i) {
iframes.push(i);
});
return iframes;
})
}
// Leave both switchToChildFrame as comments to get the "index.html" links
this.page.switchToChildFrame(0); // Uncomment to get the links of "iframe1.html"
//this.page.switchToChildFrame(0); // Uncomment to get the links of "iframe2.html"
to_frame(this);
this.then(function () {
callback.call(this);
});
}
RESULTADOS
Si comenta tanto en switchToChildFrame
, obtendrá los enlaces de index.html
:
casperjs caspers-read-iframes.js
Here we come: http://pjs.lytrax.net/node/1/
We are here: http://pjs.lytrax.net/node/1/
http://pjs.lytrax.net/node/1/link1/from/index
http://pjs.lytrax.net/node/1/link2/from/index
http://pjs.lytrax.net/node/1/link3/from/index
Done!
http://pjs.lytrax.net/node/1/link1/from/index
http://pjs.lytrax.net/node/1/link2/from/index
http://pjs.lytrax.net/node/1/link3/from/index
Si descomenta el primer switchToChildFrame
, obtendrá los enlaces del primer nivel iframe1.html
:
casperjs caspers-read-iframes.js
Here we come: http://pjs.lytrax.net/node/1/
We are here: http://pjs.lytrax.net/node/1/iframe1.html
http://pjs.lytrax.net/node/1/link1/from/iframe1
http://pjs.lytrax.net/node/1/link2/from/iframe1
http://pjs.lytrax.net/node/1/link3/from/iframe1
Done!
http://pjs.lytrax.net/node/1/link1/from/iframe1
http://pjs.lytrax.net/node/1/link2/from/iframe1
http://pjs.lytrax.net/node/1/link3/from/iframe1
Y si descomenta el primer y el segundo switchToChildFrame
, obtendrá los enlaces del segundo nivel iframe2.html
:
casperjs caspers-read-iframes.js
Here we come: http://pjs.lytrax.net/node/1/
We are here: http://pjs.lytrax.net/node/1/iframe2.html
http://pjs.lytrax.net/node/1/link1/from/iframe2
http://pjs.lytrax.net/node/1/link2/from/iframe2
http://pjs.lytrax.net/node/1/link3/from/iframe2
Done!
http://pjs.lytrax.net/node/1/link1/from/iframe2
http://pjs.lytrax.net/node/1/link2/from/iframe2
http://pjs.lytrax.net/node/1/link3/from/iframe2
Tengo el siguiente código:
var casper = require("casper").create({
// verbose: true,
// logLevel: "debug",
webSecurityEnabled : false
});
var links = [];
function get_links(obj) {
return obj.evaluate(function () {
var i,
l = document.querySelectorAll("a"),
l2 = [];
for (i = 0; i < l.length; i++) {
l2[i] = l[i].href;
}
return l2
});
}
function unique(arr) {
var obj = {};
for (var i = 0; i < arr.length; i++) {
if (/http(.*)?/.test(arr[i])) {
var str = arr[i];
obj[str] = true;
}
}
return Object.keys(obj);
}
function getLinksFromIframes(callback) {
this.echo("Here we come: " + this.getCurrentUrl() + "/n");
function to_frame(obj) {
var iframes = to_evaluate(obj);
iframes.forEach(function (index) {
this.withFrame(index, function () {
this.echo("We are here: " + this.getCurrentUrl());
var l = unique(get_links(this));
var i;
for (i = 0; i < l.length; i++) {
console.log(l[i]);
links.push(l[i])
}
links = unique(links);
console.log("");
to_frame(this)
});
}, obj);
}
function to_evaluate(obj) {
return obj.evaluate(function () {
var iframes = [];
[].forEach.call(document.querySelectorAll("iframe"), function (iframe, i) {
iframes.push(i);
});
return iframes;
})
}
to_frame(this);
this.then(function () {
callback.call(this);
});
}
casper.start("http://domu-test-2/node/1", function () {
getLinksFromIframes.call(this, function () {
console.log("Done!/n");
var i;
for (i = 0; i < links.length; i++) {
console.log(links[i]);
}
});
}).then(function () {}).run();
Y ahora la pregunta es:
si quiero obtener enlaces mediante el iframe de primer nivel, ¿cómo debería refactorizar la función getLinksFromIframes()
? Actualmente comparten links
variable ''globales''. Creo que definitivamente los links
serán una lista de listas de enlaces e inicializarán una nueva lista dentro de la función withFrame
, y luego pasarán esta nueva referencia a iframes secundarios. Entonces, ¿cómo debería pasarlo y ''retroceder'' en todos los enlaces en iframes anidados?