質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

91.35%

  • PHP

    15157questions

    PHPは、Webサイト構築に特化して開発されたプログラミング言語です。大きな特徴のひとつは、HTMLに直接プログラムを埋め込むことができるという点です。PHPを用いることで、HTMLを動的コンテンツとして出力できます。HTMLがそのままブラウザに表示されるのに対し、PHPプログラムはサーバ側で実行された結果がブラウザに表示されるため、PHPスクリプトは「サーバサイドスクリプト」と呼ばれています。

  • HTML5

    2842questions

    HTML5 (Hyper Text Markup Language、バージョン 5)は、マークアップ言語であるHTMLの第5版です。

【PHP】phamtomJsを用いてもjavascript実行後のhtmlが取得できない

解決済

回答 1

投稿 2017/11/21 10:24 ・編集 2017/11/27 16:41

  • 評価
  • クリップ 0
  • VIEW 118

youthK

score 35

わからないこと

いつもお世話になっております。
下記のサイトの事業所一覧ページのスクレイピングを行いたくphamtomjsを使用しています。

http://www.kaigokensaku.mhlw.go.jp/01/index.php?action_kouhyou_pref_search_list_list=true&PrefCd=01&OriPrefCd=01&method=pager&p_sort_name=47&p_order_name=1&p_count=5&p_offset=0iframe=1

案件一覧の箇所がiframe内にあり、javascript実行後に表示されています。したがってphamtomjsにてjavascript実行後のhtmlを取得しようとしているのですが、うまくいっておりません。
何が誤っているのでしょうか?
またはほかの手段を考えるべきでしょうか?

コード

     // PhantomJs
        $client = PClient::getInstance();
        $client->getEngine()->setPath('vendor\bin\phantomjs.exe');


        $projectListUrl = 'http://www.kaigokensaku.mhlw.go.jp/01/index.php?action_kouhyou_pref_search_list_list=true&PrefCd=01&OriPrefCd=01&method=pager&p_sort_name=47&p_order_name=1&p_count=5&p_offset=0iframe=1';

        $client->isLazy();

        $request = $client->getMessageFactory()->createRequest();
        $request->setTimeout(5000);
        $request->setMethod('GET');
        $request->setUrl($projectListUrl);

        $response = $client->getMessageFactory()->createResponse();

        // Send the request
        $client->send($request, $response);

        if($response->getStatus() === 200) {
            // Dump the requested page content
            $conte = $response->getContent();
        }
        // xmlへの変換
        @$dom->loadHTML($conte);
        $xml = simplexml_import_dom($dom);

追記 11/25

下記のようにコードを変更し、phantomjs.exeでcrawler.jsを実行し、実行結果をkaigokensaku.blade.phpに書き込む処理を行い、iframe内も取得しようとしておりますがうまく言っておりません。
原因はどこにあるのでしょうか。

use JonnyW\PhantomJs\Client as PClient;


$page = 5;
// PhantomJs
$client = PClient::getInstance();



for($i = 1; $i <= 47; $i++) {
    $request = $client->getMessageFactory()->createRequest();
    if(strlen($i) === 1){
       $prefId = '0'.$i;
    } else {
       $prefId = $i;
    }

    $pNum = $page - 5;
    $projectListUrl = 'http://www.kaigokensaku.mhlw.go.jp/13/index.php?action_kouhyou_pref_search_list_list=true&PrefCd=13&OriPrefCd=13&method=pager&p_sort_name=47&p_order_name=1&p_count='.$page.'&p_offset='.$pNum;
    $client->isLazy(); rendering
    $request = $client->getMessageFactory()->createRequest();
    $request->setTimeout(20000);
    $cli = exec('C:\X_DRIVE\asp\home\laravel\vendor\bin\phantomjs.exe C:\X_DRIVE\asp\home\laravel\public\js\crawler.js '.$projectListUrl);
    var_dump($cli);dd();
}
console.log('Hello, world!');
var page = require('webpage').create();
var fs = require('fs');
page.open('http://www.kaigokensaku.mhlw.go.jp/13/index.php?action_kouhyou_pref_search_list_list=true&PrefCd=13', function(status) {
if (status === 'success') {
// HTML を書き出し
var html = page.evaluate(function() {
return document.getElementsByClassName('main')[0].innerHTML;
});
fs.write('resources\\kaigokensaku.blade.php', html, 'w');
}
// exit しないと終了しない
phantom.exit();
});

追記 11/27①

11/25の追記のコードの原因ですが、setTimeoutができていないことが原因と考えています。
ただ、なぜsetTimeoutできていないのかがわかっておりません。

追記 11/27②

次のようにjsファイルのコードを変更した結果setTimeoutはじっこうされましたが、iframe内のコードは取得できませんでした。

console.log('Hello, world!');
var page = require('webpage').create();
var fs = require('fs');
page.open('http://www.kaigokensaku.mhlw.go.jp/13/index.php?action_kouhyou_pref_search_list_list=true&PrefCd=13', function(status) {
window.setTimeout(function(){
    if (status === 'success') {
        // HTML を書き出し
        var html = page.evaluate(function() {
            return document.getElementsByClassName('main')[0].innerHTML;
        });
    fs.write('resources\\kaigokensaku.blade.php', html, 'w');
    }
    // exit しないと終了しない
    phantom.exit();
}, 20000);

});

追記③

jsファイルを下記のように修正することでiframe内のhtmlを取得できるようになりましたので報告いたします。

console.log('Hello, world!');
var page = require('webpage').create();
var fs = require('fs');
page.open('http://www.kaigokensaku.mhlw.go.jp/13/index.php?action_kouhyou_pref_search_list_list=true&PrefCd=13', function(status) {
    if (status === 'success') {
        page.switchToFrame(0);
        // HTML を書き出し
        var html = page.evaluate(function() {
            return document.getElementsByClassName('contents')[0].innerHTML;
        });
        fs.write('resources\\kaigokensaku.blade.php', html, 'w');
    }
    //  exit しないと終了しない
    phantom.exit();
});


settimeoutは不必要で「page.switchToFrame(0);」を記載することで出力できました。
ご協力ありがとうございました。

何卒よろしくお願いいたします。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

+1

ちゃんと対象サイトのコードを見てないので何をやってるのかよく分かりませんが、ajaxでの検索結果取得に時間がかかっているようです。
iframeの中で特定の要素(footerなど)が表示されるまで待ちましょう。

https://github.com/ariya/phantomjs/blob/master/examples/waitfor.js

面倒だったらsetTimeoutで強制的に20秒くらい待てばok。
私もよくやります。

setTimeout(function(){
    //やりたい処理
}, 20000)

投稿 2017/11/22 16:13

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2017/11/23 11:27

    ooeok様
    ご回答ありがとうございます。
    確認なのですが、質問欄にあるコードですと、 $projectListUrlの定義位置から、simplexml_import_domまでをsetTimeoutでくくる感じでしょうか?

    キャンセル

  • 2017/11/23 11:27

    上記で試みた結果、何も出力されなくなりまして・・・

    キャンセル

  • 2017/11/23 18:01

    まずyouthKさんのコードはphantomjsではなく、php-phantomjsですよね。
    それからPClientといった別名を使う場合はuseから載せるべきです。
    下の質問を見るまで理解できませんでした。

    https://teratail.com/questions/100717

    誰もがyouthKさんの以前の質問を追っているわけではないのですから、1つの質問内でできるだけ必要な情報を載せるようにして下さい。

    次に待ち時間ですが、あらためてwaitを入れる必要ありませんでした。
    isLazyが設定されているので、
    > $request->setTimeout(20000);
    とすればokです。

    で、本題。
    getContentではiframe内のhtmlを取得できません。
    xmlに変換する前に、phantomjsでiframe内のbodyタグを捜査するといった処理をする必要があります。
    しかしphp-phantomjsでは細かい処理が難しいです(がんばればできるのかも?)。
    php-phantomjsを使わず、phantomjsをそのまま使うことをオススメします。

    キャンセル

  • 2017/11/23 18:22

    お手間をとらせてしまい申し訳ございませんでした。
    どのライブラリを使っているかなど、明記するようにいたします。
    php版では取得できないのですね。。。
    使うべきphantomjsはooeok様が最初に回答してくださったgitのものでしょうか?

    キャンセル

  • 2017/11/23 18:32

    php-phantomjsはphp版のphantomjsではなく、単にphantomjsをphpから使えるようにしただけです。
    なので、vendor\bin\phantomjs.exeでokです。

    キャンセル

  • 2017/11/23 18:47

    申し訳ございません。理解しかねております。
    別途「.js」ファイルを作成し、そこにiframe内のbodyを出力するような処理を書いて、phantomjs.exeを実行して「.js」ファイルで取得した中身をPHP側にもってくるということでしょうか?

    キャンセル

  • 2017/11/23 19:47

    そうです。
    execで実現できますよ。

    キャンセル

  • 2017/11/25 20:35

    質問に追記させていただきました。
    よろしければご確認をお願い致します。

    キャンセル

  • 2017/11/27 16:31

    iframeにswitchしないとダメなんじゃないでしょうか。
    このへん調べればなんとかなると思いますよ。

    switchToParentFrame()
    switchToFrame()

    キャンセル

  • 2017/11/27 16:38

    ご回答ありがとうございます
    解決させることができましたので、質問欄「追記③」に解決方法を記載いたします。
    ご助力ありがとうございました!

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

ただいまの回答率

91.35%

関連した質問

同じタグがついた質問を見る

  • PHP

    15157questions

    PHPは、Webサイト構築に特化して開発されたプログラミング言語です。大きな特徴のひとつは、HTMLに直接プログラムを埋め込むことができるという点です。PHPを用いることで、HTMLを動的コンテンツとして出力できます。HTMLがそのままブラウザに表示されるのに対し、PHPプログラムはサーバ側で実行された結果がブラウザに表示されるため、PHPスクリプトは「サーバサイドスクリプト」と呼ばれています。

  • HTML5

    2842questions

    HTML5 (Hyper Text Markup Language、バージョン 5)は、マークアップ言語であるHTMLの第5版です。