如何从HtmlUnit提取JavaScript DOM实现以适配RhinoEngine

核心思路 #

HtmlUnit的JavaScript DOM实现本身基于Rhino扩展，window、document等对象都是Rhino ScriptableObject的子类，无需复杂提取，只需通过HtmlUnit的空白页面上下文获取基础实例，再注入到你的Rhino环境即可。

实现步骤&代码示例 #

1. 依赖准备
   确保项目引入HtmlUnit（以Maven为例）：

<dependency>
    <groupId>net.sourceforge.htmlunit</groupId>
    <artifactId>htmlunit</artifactId>
    <version>2.70.0</version> <!-- 使用最新稳定版 -->
</dependency>

2. 搭建最小化DOM环境
   通过about:blank页面获取轻量化的window和document，注入到自定义Rhino引擎中：

import com.gargoylesoftware.htmlunit.WebClient;
import com.gargoylesoftware.htmlunit.html.HtmlPage;
import com.gargoylesoftware.htmlunit.javascript.host.Window;
import org.mozilla.javascript.Context;
import org.mozilla.javascript.Scriptable;
import org.mozilla.javascript.ScriptableObject;

public class MinimalDomSetup {
    public static void main(String[] args) throws Exception {
        // 初始化HtmlClient并关闭冗余特性
        try (WebClient webClient = new WebClient()) {
            webClient.getOptions().setCssEnabled(false);
            webClient.getOptions().setJavaScriptEnabled(true);
            webClient.getOptions().setDownloadImages(false);
            
            // 获取空白页面，拿到基础DOM上下文
            HtmlPage blankPage = webClient.getPage("about:blank");
            Window htmlUnitWindow = (Window) blankPage.getEnclosingWindow().getScriptableObject();
            
            // 初始化Rhino上下文
            Context rhinoCtx = Context.enter();
            try {
                Scriptable globalScope = rhinoCtx.initStandardObjects();
                
                // 注入window到全局作用域
                ScriptableObject.putProperty(globalScope, "window", htmlUnitWindow);
                // 提取并注入document
                Scriptable document = (Scriptable) ScriptableObject.getProperty(htmlUnitWindow, "document");
                ScriptableObject.putProperty(globalScope, "document", document);
                
                // 测试脚本运行
                String testJs = "var p = document.createElement('p'); " +
                                "p.textContent = 'Hello Minimal DOM'; " +
                                "document.body.appendChild(p); " +
                                "console.log(document.body.children.length);";
                rhinoCtx.evaluateString(globalScope, testJs, "TestScript", 1, null);
            } finally {
                Context.exit();
            }
        }
    }
}

关键优化点 #

• 按需裁剪：如果只需要特定方法（比如document.createElement），可以单独提取该方法注入全局，无需引入整个document对象：

  Object createElement = ScriptableObject.getProperty(document, "createElement");
  ScriptableObject.putProperty(globalScope, "createElement", createElement);
  

• 减少资源占用：关闭HtmlUnit的CSS、图片、AJAX等非必要功能，仅保留JavaScript和核心DOM支持。
• 避免完整页面加载：about:blank页面仅包含基础html、head、body节点，完全满足轻量DOM需求，无需加载真实网页。

注意事项 #

• HtmlUnit的DOM对象依赖自身的上下文，不要脱离WebClient生命周期使用（比如不要在try-with-resources外部持有window实例）。
• 如果遇到特定DOM方法缺失，可检查HtmlUnit对应类的实现（比如HTMLDocument、HTMLElement），确保空白页面已包含所需节点（about:blank默认包含body）。

内容的提问来源于stack exchange，提问作者frogfromflow