使用PhantomJS实现网页截图服务

这是上半年遇到的一个小需求，想实现网页的抓取，并保存为图片。研究了不少工具，效果都不理想，不是显示太差了（Canvas、Html2Image、Cobra），就是性能不怎么样（如SWT的Brower）。后发现无界面浏览器可以满足这个条件，大致研究了一下PhantomJS与CutyCapt，两者都是Webkit内核，其中PhantomJS使用上更方便一些，尤其在Windows平台上，如果在Linux下，从2.0版本后需要自己去机器上编译了（大概要编译3个小时，不得不说，g++就是个渣渣，同样的项目，在vc下编译快得，不谈了，毕竟是免费开源的编译器）。下面介绍PhantomJS结合Java代码实现的网页截图技术：

一、环境准备

1、PhantomJS脚本的目录：D:/xxx/phantomjs-2.0.0-windows/bin/phantomjs

2、截图脚本：D:/xxx/phantomjs-2.0.0-windows/bin/rasterize.js

截图的脚本在官网上有提供，但是我这里需要说明一下它的高宽度设计原理：

page.viewportSize = { width: 600, height: 600 };

这个是默认的高度，也就是600X600，我建议大家把height设置小一点，我这边设置的是width:800，height:200。因为实际上，在不同时设置高度与亮度的情况下，如果真实的网页的高度大于设置值时，图片会自动扩充高宽度的，直到整个页面显示完（当你想截取小的图片时，可能由于默认设置的太大，会使图片有很大一块空的）。如果同时设置了高宽度，下面的代码会被执行，就会对网页的部分进行截取了：

page.clipRect = { top: 0, left: 0, width: pageWidth, height: pageHeight };

3、先用命令行测试一下：

D:/xxx/phantomjs-2.0.0-windows/bin/phantomjs D:/xxx/phantomjs-2.0.0-windows/bin/rasterize.js http://www.qq.com D:/test.png

如果配置好了，应该可以看到生成的图片了。当然还可以配置高宽度的参数，在上面的命令后加上：" 1000px"或" 1000px*400px"，都是可以的。

二、服务器代码

作为一个网页截图服务，这部分代码片段应当被布署在服务器上，当然不必全照搬啦，根据自己的需求来用就好了：

package lekkoli.test;

import java.io.BufferedInputStream;
import java.io.BufferedReader;
import java.io.ByteArrayOutputStream;
import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import org.apache.log4j.Logger;

/**
* 网页转图片处理类，使用外部CMD
* @author lekkoli
*/
public class PhantomTools {

private static final Logger _logger = Logger.getLogger(PhantomTools.class);

// private static final String _tempPath = "/data/temp/phantom_";
// private static final String _shellCommand = "/usr/local/xxx/phantomjs /usr/local/xxx/rasterize.js ";  Linux下的命令
private static final String _tempPath = "D:/data/temp/phantom_";
private static final String _shellCommand = "D:/xxx/phantomjs-2.0.0-windows/bin/phantomjs D:/xxx/phantomjs-2.0.0-windows/bin/rasterize.js ";

private String _file;
private String _size;

/**
* 构造截图类
* @parm hash 用于临时文件的目录唯一化
*/
public PhantomTools(int hash) {
_file = _tempPath + hash + ".png";
}

/**
* 构造截图类
* @parm hash 用于临时文件的目录唯一化
* @param size 图片的大小，如800px*600px（此时高度会裁切），或800px（此时 高度最少=宽度*9/16，高度不裁切）
*/
public PhantomTools(int hash, String size) {
this(hash);
if (size != null)
_size = " " + size;
}

/**
* 将目标网页转为图片字节流
* @param url 目标网页地址
* @return 字节流
*/
public byte[] getByteImg(String url) throws IOException {
BufferedInputStream in = null;
ByteArrayOutputStream out = null;
File file = null;
byte[] ret = null;
try {
if (exeCmd(_shellCommand + url + " " + _file + (_size != null ? _size : ""))) {
file = new File(_file);
if (file.exists()) {
out = new ByteArrayOutputStream();
byte[] b = new byte[5120];
in = new BufferedInputStream(new FileInputStream(file));
int n;
while ((n = in.read(b, 0, 5120)) != -1) {
out.write(b, 0, n);
}
file.delete();
ret = out.toByteArray();
}
} else {
ret = new byte[] {};
}
} finally {
try {
if (out != null) {
out.close();
}
} catch (IOException e) {
_logger.error(e);
}
try {
if (in != null) {
in.close();
}
} catch (IOException e) {
_logger.error(e);
}
if (file != null && file.exists()) {
file.delete();
}
}
return ret;
}

/**
* 执行CMD命令
*/
private static boolean exeCmd(String commandStr) {
BufferedReader br = null;
try {
Process p = Runtime.getRuntime().exec(commandStr);
if (p.waitFor() != 0 && p.exitValue() == 1) {
return false;
}
} catch (Exception e) {
_logger.error(e);
} finally {
if (br != null) {
try {
br.close();
} catch (Exception e) {
_logger.error(e);
}
}
}
return true;
}
}

使用上面的PhantomTools类，可以很方便地调用getByteImg方法来生成并获取图片内容。　　

附上我的截图配置脚本：rasterize.js，至于PhantomJS，大家就自行去官网下载吧。

转载请注明原址：/article/5813055.html