主頁 > .NET開發 > 用C#+Selenium+ChromeDriver 爬取網頁,完美模擬真實的用戶瀏覽行為

用C#+Selenium+ChromeDriver 爬取網頁,完美模擬真實的用戶瀏覽行為

2020-12-22 06:01:05 .NET開發

背景

 Selenium是一個用于Web應用程式測驗的工具,Selenium測驗直接運行在瀏覽器中,就像真正的用戶在操作一樣,而對于爬蟲來說,使用Selenium操控瀏覽器來爬取網上的資料那么肯定是爬蟲中的殺手武器,這里,我將介紹selenium + 谷歌瀏覽器的一般使用,

需求

在平常的爬蟲開發中,有時候網頁是一堆js堆起來的代碼,涉及很多異步計算,如果是普通的http 控制臺請求,那么得到的源檔案是一堆js ,需要自己在去組裝資料,很費力;但是采用Selenium+ChromeDriver可以達到所見即所得的完美效果,

實作方式

專案結構:為了方便使用,用的winform程式,附nuget包

 

 

 以下是form1.cs的代碼,這里就只放關鍵方法代碼了,需要安裝最新的chrome瀏覽器+代碼中使用的chromedriver是 v2.9.248315

 1    private void crawlingWebFunc()
 2         {
 3             SetText("\r\n開始嘗試...");
 4             List<testfold> surls = new List<testfold>();
 5             string path = System.Environment.CurrentDirectory + "\\圖片url\\";
 6             DirectoryInfo root = new DirectoryInfo(path);
 7             DirectoryInfo[] dics = root.GetDirectories();
 8             foreach (var itemdic in dics)
 9             {
10                 string txt = "";
11                 StreamReader sr = new StreamReader(itemdic.FullName + "\\data.txt");
12                 while (!sr.EndOfStream)
13                 {
14                     string str = sr.ReadLine();
15                     txt += str;// + "\n";
16                 }
17                 sr.Close();
18                 surls.Add(new testfold() { key = itemdic.FullName, picurl = txt });
19             }
20 
21             ChromeDriverService service = ChromeDriverService.CreateDefaultService(System.Environment.CurrentDirectory);
22             //  service.HideCommandPromptWindow = true;
23 
24             ChromeOptions options = new ChromeOptions();
25             options.AddArguments("--test-type", "--ignore-certificate-errors");
26             options.AddArgument("enable-automation");
27             //   options.AddArgument("headless");
28             //  options.AddArguments("--proxy-server=http://user:[email protected]:8080");
29 
30             using (IWebDriver driver = new OpenQA.Selenium.Chrome.ChromeDriver(service, options, TimeSpan.FromSeconds(120)))
31             {
32                 driver.Url = "https://www.1688.com/";
33                 Thread.Sleep(200);
34                 try
35                 {
36                     int a = 1;
37                     foreach (var itemsurls in surls)
38                     {
39                         SetText("\r\n第" + a.ToString() + "");
40                         driver.Navigate().GoToUrl(itemsurls.picurl);
41                         //登錄
42                         if (driver.Url.Contains("login.1688.com"))
43                         {
44                             SetText("\r\n需要登錄,開始嘗試...");
45                             trylogin(driver); //嘗試登錄完成
46                                               //再試試
47                             driver.Navigate().GoToUrl("https://s.1688.com/youyuan/index.htm?tab=imageSearch&imageType=oss&imageAddress=cbuimgsearch/eWXC7XHHPN1607529600000&spm=");
48 
49                             if (driver.Url.Contains("login.1688.com"))
50                             {
51                                 //沒辦法退出
52                                 SetText("\r\n退出,換ip重試...");
53                                 return;
54                             }
55                         }
56 
57                         //滑鼠放上去的內容因為頁面自帶只能顯示一個的原因 沒辦法做到全部顯示 然后在下載 只能是其他方式下載
58                         //  var elements = document.getElementsByClassName('hover-container');
59                         //  Array.prototype.forEach.call(elements, function(element) {
60                         //  element.style.display = "block";
61                         //   console.log(element);
62                         //  });
63 
64                         //   IJavaScriptExecutor js = (IJavaScriptExecutor)driver;
65 
66                         //    var sss = js.ExecuteScript(" var elements = document.getElementsByClassName('hover-container');  Array.prototype.forEach.call(elements, function(element) {  console.log(element); element.setAttribute(\"class\", \"測驗title\");  element.style.display = \"block\";  console.log(element); });");
67 
68                         Thread.Sleep(500);
69                         var responseModel = Write(itemsurls.key, driver.PageSource, Pagetypeenum.串列);
70                         Thread.Sleep(500);
71                         int i = 1;
72                         foreach (var offer in responseModel?.data?.offerList ?? new List<OfferItemModel>())
73                         {
74                             driver.Navigate().GoToUrl(offer.information.detailUrl);
75                             string responseDatadetail = driver.PageSource;
76                             Write(itemsurls.key, driver.PageSource, Pagetypeenum.詳情);
77                             SetText("\r\n第" + a.ToString() + "-" + i.ToString() + "");
78                             Thread.Sleep(500);
79                             i++;
80                         }
81                     }
82                 }
83                 catch (Exception ex)
84                 {
85                     CloseChromeDriver(driver);
86                     throw;
87                 }
88             }
89         }
 1  #region 例外  退出chromedriver
 2 
 3         [DllImport("user32.dll", EntryPoint = "FindWindow")]
 4         private extern static IntPtr FindWindow(string lpClassName, string lpWindowName);
 5 
 6         [DllImport("user32.dll", EntryPoint = "SendMessage")]
 7         public static extern int SendMessage(IntPtr hWnd, int Msg, int wParam, int lParam);
 8 
 9         public const int SW_HIDE = 0;
10         public const int SW_SHOW = 5;
11 
12         [DllImport("user32.dll", EntryPoint = "ShowWindow")]
13         public static extern int ShowWindow(IntPtr hwnd, int nCmdShow);
14 
15         /// <summary>
16         /// 獲取視窗句柄
17         /// </summary>
18         /// <returns></returns>
19         public IntPtr GetWindowHandle()
20         {
21             string name = (Environment.CurrentDirectory + "\\chromedriver.exe");
22             IntPtr hwd = FindWindow(null, name);
23             return hwd;
24         }
25 
26         /// <summary>
27         /// 關閉chromedriver視窗
28         /// </summary>
29         public void CloseWindow()
30         {
31             try
32             {
33                 IntPtr hwd = GetWindowHandle();
34                 SendMessage(hwd, 0x10, 0, 0);
35             }
36             catch { }
37         }
38 
39         /// <summary>
40         /// 退出chromedriver
41         /// </summary>
42         /// <param name="driver"></param>
43         public void CloseChromeDriver(IWebDriver driver)
44         {
45             try
46             {
47                 driver.Quit();
48                 driver.Dispose();
49             }
50             catch { }
51             CloseWindow();
52         }
53 
54         #endregion 例外  退出chromedriver

 

 

 

 

總結

說一下思路:

1.跳轉到指定的網頁driver.Navigate().GoToUrl

2.確定資料源,從driver.PageSource讀取資料

3.對html資料進行決議

轉載請註明出處,本文鏈接:https://www.uj5u.com/net/238274.html

標籤:C#

上一篇:c# 如何操作google 瀏覽器快取檔案

下一篇:用asp.net core做一個web的例子,在getdata.cshtml與homecontroller中view不一致

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C#(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • WebAPI簡介

    Web體系結構: 有三個核心:資源(resource),URL(統一資源識別符號)和表示 他們的關系是這樣的:一個資源由一個URL進行標識,HTTP客戶端使用URL定位資源,表示是從資源回傳資料,媒體型別是資源回傳的資料格式。 接下來我們說下HTTP. HTTP協議的系統是一種無狀態的方式,使用請求/ ......

    uj5u.com 2020-09-09 22:07:47 more
  • asp.net core 3.1 入口:Program.cs中的Main函式

    本文分析Program.cs 中Main()函式中代碼的運行順序分析asp.net core程式的啟動,重點不是剖析原始碼,而是理清程式開始時執行的順序。到呼叫了哪些實體,哪些法方。asp.net core 3.1 的程式入口在專案Program.cs檔案里,如下。ususing System; us ......

    uj5u.com 2020-09-09 22:07:49 more
  • asp.net網站作為websocket服務端的應用該如何寫

    最近被websocket的一個問題困擾了很久,有一個需求是在web網站中搭建websocket服務。客戶端通過網頁與服務器建立連接,然后服務器根據ip給客戶端網頁發送資訊。 其實,這個需求并不難,只是剛開始對websocket的內容不太了解。上網搜索了一下,有通過asp.net core 實作的、有 ......

    uj5u.com 2020-09-09 22:08:02 more
  • ASP.NET 開源匯入匯出庫Magicodes.IE Docker中使用

    Magicodes.IE在Docker中使用 更新歷史 2019.02.13 【Nuget】版本更新到2.0.2 【匯入】修復單列匯入的Bug,單元測驗“OneColumnImporter_Test”。問題見(https://github.com/dotnetcore/Magicodes.IE/is ......

    uj5u.com 2020-09-09 22:08:05 more
  • 在webform中使用ajax

    如果你用過Asp.net webform, 說明你也算是.NET 開發的老兵了。WEBform應該是2011 2013左右,當時還用visual studio 2005、 visual studio 2008。后來基本都用的是MVC。 如果是新開發的專案,估計沒人會用webform技術。但是有些舊版 ......

    uj5u.com 2020-09-09 22:08:50 more
  • iis添加asp.net網站,訪問提示:由于擴展配置問題而無法提供您請求的

    今天在iis服務器配置asp.net網站,遇到一個問題,記錄一下: 問題:由于擴展配置問題而無法提供您請求的頁面。如果該頁面是腳本,請添加處理程式。如果應下載檔案,請添加 MIME 映射。 WindowServer2012服務器,添加角色安裝完.netframework和iis之后,運行aspx頁面 ......

    uj5u.com 2020-09-09 22:10:00 more
  • WebAPI-處理架構

    帶著問題去思考,大家好! 問題1:HTTP請求和回傳相應的HTTP回應資訊之間發生了什么? 1:首先是最底層,托管層,位于WebAPI和底層HTTP堆疊之間 2:其次是 訊息處理程式管道層,這里比如日志和快取。OWIN的參考是將訊息處理程式管道的一些功能下移到堆疊下端的OWIN中間件了。 3:控制器處理 ......

    uj5u.com 2020-09-09 22:11:13 more
  • 微信門戶開發框架-使用指導說明書

    微信門戶應用管理系統,采用基于 MVC + Bootstrap + Ajax + Enterprise Library的技術路線,界面層采用Boostrap + Metronic組合的前端框架,資料訪問層支持Oracle、SQLServer、MySQL、PostgreSQL等資料庫。框架以MVC5,... ......

    uj5u.com 2020-09-09 22:15:18 more
  • WebAPI-HTTP編程模型

    帶著問題去思考,大家好!它是什么?它包含什么?它能干什么? 訊息 HTTP編程模型的核心就是訊息抽象,表示為:HttPRequestMessage,HttpResponseMessage.用于客戶端和服務端之間交換請求和回應訊息。 HttpMethod類包含了一組靜態屬性: private stat ......

    uj5u.com 2020-09-09 22:15:23 more
  • 部署WebApi隨筆

    一、跨域 NuGet參考Microsoft.AspNet.WebApi.Cors WebApiConfig.cs中配置: // Web API 配置和服務 config.EnableCors(new EnableCorsAttribute("*", "*", "*")); 二、清除默認回傳XML格式 ......

    uj5u.com 2020-09-09 22:15:48 more
最新发布
  • C#多執行緒學習(二) 如何操縱一個執行緒

    <a href="https://www.cnblogs.com/x-zhi/" target="_blank"><img width="48" height="48" class="pfs" src="https://pic.cnblogs.com/face/2943582/20220801082530.png" alt="" /></...

    uj5u.com 2023-04-19 09:17:20 more
  • C#多執行緒學習(二) 如何操縱一個執行緒

    C#多執行緒學習(二) 如何操縱一個執行緒 執行緒學習第一篇:C#多執行緒學習(一) 多執行緒的相關概念 下面我們就動手來創建一個執行緒,使用Thread類創建執行緒時,只需提供執行緒入口即可。(執行緒入口使程式知道該讓這個執行緒干什么事) 在C#中,執行緒入口是通過ThreadStart代理(delegate)來提供的 ......

    uj5u.com 2023-04-19 09:16:49 more
  • 記一次 .NET某醫療器械清洗系統 卡死分析

    <a href="https://www.cnblogs.com/huangxincheng/" target="_blank"><img width="48" height="48" class="pfs" src="https://pic.cnblogs.com/face/214741/20200614104537.png" alt="" /&g...

    uj5u.com 2023-04-18 08:39:04 more
  • 記一次 .NET某醫療器械清洗系統 卡死分析

    一:背景 1. 講故事 前段時間協助訓練營里的一位朋友分析了一個程式卡死的問題,回過頭來看這個案例比較經典,這篇稍微整理一下供后來者少踩坑吧。 二:WinDbg 分析 1. 為什么會卡死 因為是表單程式,理所當然就是看主執行緒此時正在做什么? 可以用 ~0s ; k 看一下便知。 0:000> k # ......

    uj5u.com 2023-04-18 08:33:10 more
  • SignalR, No Connection with that ID,IIS

    <a href="https://www.cnblogs.com/smartstar/" target="_blank"><img width="48" height="48" class="pfs" src="https://pic.cnblogs.com/face/u36196.jpg" alt="" /></a>...

    uj5u.com 2023-03-30 17:21:52 more
  • 一次對pool的誤用導致的.net頻繁gc的診斷分析

    <a href="https://www.cnblogs.com/dotnet-diagnostic/" target="_blank"><img width="48" height="48" class="pfs" src="https://pic.cnblogs.com/face/3115652/20230225090434.png" alt=""...

    uj5u.com 2023-03-28 10:15:33 more
  • 一次對pool的誤用導致的.net頻繁gc的診斷分析

    <a href="https://www.cnblogs.com/dotnet-diagnostic/" target="_blank"><img width="48" height="48" class="pfs" src="https://pic.cnblogs.com/face/3115652/20230225090434.png" alt=""...

    uj5u.com 2023-03-28 10:13:31 more
  • C#遍歷指定檔案夾中所有檔案的3種方法

    <a href="https://www.cnblogs.com/xbhp/" target="_blank"><img width="48" height="48" class="pfs" src="https://pic.cnblogs.com/face/957602/20230310105611.png" alt="" /></a&...

    uj5u.com 2023-03-27 14:46:55 more
  • C#/VB.NET:如何將PDF轉為PDF/A

    <a href="https://www.cnblogs.com/Carina-baby/" target="_blank"><img width="48" height="48" class="pfs" src="https://pic.cnblogs.com/face/2859233/20220427162558.png" alt="" />...

    uj5u.com 2023-03-27 14:46:35 more
  • 武裝你的WEBAPI-OData聚合查詢

    <a href="https://www.cnblogs.com/podolski/" target="_blank"><img width="48" height="48" class="pfs" src="https://pic.cnblogs.com/face/616093/20140323000327.png" alt="" /><...

    uj5u.com 2023-03-27 14:46:16 more