如何获得网页渲染后每个 DOM node 的位置

[clockwise9]

请教一个问题，对于一个网页中的某个 DOM node，如何获取渲染之后的位置呢？比如按照 1920x1080 的分辨率来渲染，某个网页的渲染后实际像素数量是 1920x3000，标题对应的矩形框的左上和右下角分别是 (200, 200) 和 (1500, 400)，正文对应的框的左上角和右下角分别是 (200, 500) 和 (1500, 2500) 这样。

如果能够用 headless 的方法渲染网页然后获取上述信息的话，或许可以训练个模型什么的，比如预测标题和正文对应的 DOM node，或者预测哪些 DOM node 贡献了可见的内容。如果想训练这种模型的话，可能还需要更进一步来标注数据，把网页渲染成图片之后把特定的 DOM node 高亮出来（比如画个框），然后根据对应的任务进行人工标注。

[runze]

getBoundingClientRect

[Pastsong]

你们怎么干什么都想训练个模型，浪费电吗

[mekingname]

实际上我已经写好了，你可以看我的代码：

https://v2ex.com/t/806234#reply10

[clockwise9]

@runze 感谢！这个函数返回的 viewport 就是我想要的，网上搜了一下似乎可以在 CapserJS 里面搞，我去继续学习一下

[clockwise9]

@Pastsong 求不打脸，训练模型我都搞不利索，别的就更不会了。。。

[clockwise9]

@mekingname 感谢分享，我之前就想，基于 HTML 内容和结构的抽取方法应该有比较成熟的开源方案了，果然如此。所以我更想尝试一些不一样的东西，如果用模型把位置信息和内容结合在一起，可能会有更多的火花。

[mekingname]

@clockwise9 是的，所以最新版本里面我就是这样做的。

[loading]

看来以后看到“训练模型”字眼的东西，基本和“大数据”一样，也是忽悠人的，实际那人可以说是业余得很。

[clockwise9]

@mekingname 我只在 ContentExtractor.py 里面看到 “正文块的高度应该要大于 150px” 的逻辑，还有别的地方用了位置信息吗？有的话求明示，谢谢！

[mekingname]

@clockwise9 已经更新的代码只有这里。还有一些其它位置信息，代码还在我电脑上没有更新。