[請益] 如何抓取網頁"純"原始碼？
如標題…
以下是測試的url
http://grassboy.tw/webDev/test.php
他的原始碼很簡單，只有一行
<img src=test.png /><b>哈囉！
沒錯！很醜的code~
圖片src沒有雙括號，粗體沒結尾~
但進去網頁後…
我在網址列下了 javascript:alert(document.body.innerHTML)
結果…我測了firefox chrome ie8三種瀏覽器…
大多都是回我
<img src="test.png"><b>哈囉！
</b>
也就是說…瀏覽器會自動將這種不正確的網頁結構進行修改，
並反映到innerHTML上…
那麼…有沒有辦法透過javascript取得 <img src=test.png><b>哈囉！ 呢？
當然…這要求還滿奇怪的…
不過如果今天某個網站(ex: plurk)透過header("text/html")的介面
回傳一個json物件到browser時…
我要抓json物件的值…似乎應該要抓未經瀏覽器處理過的html降子…
原本的 {"msg_html":"hihi <img src=\"xx.jpg\" />"}
會被處理成 {"msg_html":"hihi <img src="\"xx.jpg\"">"}
有點讓人傷腦筯的說 >"<
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.113.87.174
推
11/30 02:22, , 1F
11/30 02:22, 1F
→
11/30 02:27, , 2F
11/30 02:27, 2F
推
11/30 15:49, , 3F
11/30 15:49, 3F
→
11/30 15:50, , 4F
11/30 15:50, 4F