Firefox 扩展和 XUL：获取页面源代码

Posted 2023-05-07

技术标签:

【中文标题】Firefox 扩展和 XUL：获取页面源代码【英文标题】：Firefox extensions & XUL: get page source code 【发布时间】：2011-01-21 05:27:22 【问题描述】：

我正在开发我的第一个 Firefox 扩展，为此我需要获取当前页面的完整源代码。我如何使用 XUL 做到这一点？

【问题讨论】：

【参考方案1】：

您需要一个 xul browser 对象来加载内容。

将页面的“view-source:”版本加载到浏览器对象中，与“查看页面源代码”菜单的方式相同。请参阅chrome://global/content/viewSource.js 中的函数 viewSource()。该函数可以从缓存中加载，也可以不加载。

加载内容后，原始来源由以下方式给出：

var source = browser.contentDocument.getElementById('viewsource').textContent;

序列化 DOM 文档 此方法不会获取原始出处，但可能对部分读者有用。

您可以将文档对象序列化为字符串。请参阅 MDC 中的 Serializing DOM trees to strings。您可能需要在扩展中使用替代的实例化方法。

那篇文章讨论的是 XML 文档，但它也适用于任何 html DOMDocument。

var serializer = new XMLSerializer();
var source = serializer.serializeToString(document);

这甚至适用于网页或萤火虫控制台。

【讨论】：

这看起来也很完整。但是，如果 XHTML 由于某些错误而损坏，会发生什么？ DOM 解析器已经处理了损坏的 HTML，所以 seriaizer 不会看到损坏的源代码。那可能会很糟糕？ document 变量是否也具有 textContent 属性？您的编辑看起来非常有趣。如果这行得通，应该就是这样。我正在尝试这个解决方案，到目前为止它似乎运行良好！谢谢拉克兰！ @Franz 我认为创建一个新的 (document.createElement('browser')) 应该可以，但您也可以将它放在您的主覆盖 XUL 中：

&lt;browser id="invisibleBrowser" collapsed="true"/&gt; &lt;!-- This is never actually shown. It's just used for getting the raw source of HTML pages --&gt;

然后当然，在您的 js 文件中：var browser = document.getElementById('invisibleBrowser')【参考方案2】：

看起来确实没有办法获得“所有源代码”。你可以使用

document.documentElement.innerHTML

获取顶部元素的innerHTML（通常是html）。如果您有类似

的 php 错误消息

<h3>fatal error</h3>
segfault

<html>
    <head>
        <title>bla</title>
        <script type="text/javascript">
            alert(document.documentElement.innerHTML);
        </script>
    </head>
    <body>
    </body>
</html>

innerHTML 是

<head>
<title>bla</title></head><body><h3>fatal error</h3>
segfault    
        <script type="text/javascript">
            alert(document.documentElement.innerHTML);
        </script></body>

但错误信息仍会保留

edit：documentElement 在这里描述： https://developer.mozilla.org/en/DOM/document.documentElement

【讨论】：

这可能是我正在寻找的。但是，我不明白您发布的示例代码。第二个块应该是第一个块中通过alert 打印的文本吗？如果是这样，为什么错误信息会突然出现在body标签内？是的，第二个代码块是被警告的代码。那可能是firefox的代码更正。只需将第一个块复制到一个空的 html 文件中并尝试一下 :-) 这不是完整的源代码。正如您所指出的，不在<html> 和</html> 之间的所有内容都不会被包括在内。 Lachlan 的回答似乎是一个更好的解决方案。【参考方案3】：

您可以使用var URL = document.location.href 获取URL 并导航到"view-source:"+URL。

现在您可以获取整个源代码（viewsource 是正文的 id）：

var code = document.getElementById('viewsource').innerHTML;

问题是源代码被格式化了。所以你必须运行strip_tags() 和htmlspecialchars_decode() 来修复它。

例如，第 1 行应该是文档类型，第 2 行应该如下所示：

&lt;<span class="start-tag">HTML</span>&gt;

所以strip_tags() 之后就变成了：

&lt;HTML&gt;

在htmlspecialchars_decode() 之后我们终于得到了预期的结果：

<HTML>

代码不会传递给 DOM 解析器，因此您也可以查看无效的 HTML。

【讨论】：

嗯...听起来不错。整个代码是否包含在 ID 为 viewsource 的元素中，或者您为什么要这样做？ “格式化”是什么意思？实体逃脱了吗？将其视为普通的 HTML 代码。身体 id 是 viewsource。我已经添加了它的外观示例。我希望您对如何访问此页面有一些想法（例如，您可以使用隐藏的 iframe）。或者你可以直接使用.textContent。 @Eli：嗯？ @Sagi：啊，谢谢你的解释。我今晚试试这个。 Franz：你不需要所有这些。只需使用document.getElementById('viewsource').textContent【参考方案4】：

也许你可以通过 DOM 获取它，使用