标签：浏览器   chromium   自动化   阅读   javascript   

浏览器客户端智能自动化：如何取得页面中JavaScript运行时动态生成的URL？

“页面智能拼接”指的是通过启发式查询DOM树，判断出“下一页”链接，取出其href属性。Chromium的官方插件DOM Distiller完成类似的工作，主要目的就是为了将多页点击流程变成单页的Ajax连续阅读体验。

问题是，现在有些网站为了阻止浏览器客户端这么做，将href属性设置为"#"（或javascript:void()），然后在其onclick事件里绑定一个JS handler，动态生成下一页的URL。

这种情况下，如何还能完成客户端自动化地取得下一页的URL呢？

方法1：用JS实现一个JavaScript源代码解释器

如果能够获得onclick handler的JS源代码，则可以实现一个JavaScript源代码解释器，JS解释器实际上早就有人实现过了（需要虚拟一个假的全局window对象、执行上下文、代理DOM树的访问，以及最后截获window.open请求或location赋值语句）。

关键问题是，无法获得onclick handler的JS源代码！你只能得到一个JS Function对象。不过Function对象的prototype.ToString好像是可以得到源代码的？（待测试验证）

方法2：设置特定的“期望”数据结构，但网络模块底层拦截这个请求

这个方法则需要在内核里做修改。实现难度可能简单一点：

1. 当分析到链接元素的href=‘#‘时，向元素发送一个虚拟的click事件（非真实用户发出的UI交互操作），
2. 同时向网络层net模块IPC发送一个expect数据结构：“请捕获接下来的一个main document网络请求，其referer是当前URL，把这个请求URL发给我”

   这里似乎可能发生错误的匹配，请参考信息论/编码论相关理论。

3. 链接元素的click handler将正常执行，同时触发新URL请求，由于之前设置了期望匹配，此URL请求将被捕获
4. Browser UI主线程收到这个新URL，执行接下来的处理 

浏览器客户端智能自动化：如何取得页面中JavaScript运行时动态生成的URL？

标签：浏览器   chromium   自动化   阅读   javascript   

原文地址：http://blog.csdn.net/cteng/article/details/46693091