怎么用C#+Selenium+ChromeDriver爬取網(wǎng)頁，模擬真實(shí)的用戶瀏覽行為

本篇內(nèi)容介紹了“怎么用C#+Selenium+ChromeDriver爬取網(wǎng)頁，模擬真實(shí)的用戶瀏覽行為”的有關(guān)知識，在實(shí)際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！

背景

Selenium是一個(gè)用于Web應(yīng)用程序測試的工具。Selenium測試直接運(yùn)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(wǎng)上的數(shù)據(jù)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(fā)中，有時(shí)候網(wǎng)頁是一堆js堆起來的代碼，涉及很多異步計(jì)算，如果是普通的http 控制臺請求，那么得到的源文件是一堆js  ，需要自己在去組裝數(shù)據(jù)，很費(fèi)力;但是采用Selenium+ChromeDriver可以達(dá)到所見即所得的完美效果。

實(shí)現(xiàn)方式

項(xiàng)目結(jié)構(gòu)：為了方便使用，用的winform程序，附nuget包

以下是form1.cs的代碼，這里就只放關(guān)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

private void crawlingWebFunc() 
        { 
            SetText("\r\n開始嘗試..."); 
            List<testfold> surls = new List<testfold>(); 
            string path = System.Environment.CurrentDirectory + "\\圖片url\\"; 
            DirectoryInfo root = new DirectoryInfo(path); 
            DirectoryInfo[] dics = root.GetDirectories(); 
            foreach (var itemdic in dics) 
            { 
                string txt = ""; 
                StreamReader sr = new StreamReader(itemdic.FullName + "\\data.txt"); 
                while (!sr.EndOfStream) 
                { 
                    string str = sr.ReadLine(); 
                    txt += str;// + "\n"; 
                } 
                sr.Close(); 
                surls.Add(new testfold() { key = itemdic.FullName, picurl = txt }); 
            } 
 
            ChromeDriverService service = ChromeDriverService.CreateDefaultService(System.Environment.CurrentDirectory); 
            //  service.HideCommandPromptWindow = true; 
 
            ChromeOptions options = new ChromeOptions(); 
            options.AddArguments("--test-type", "--ignore-certificate-errors"); 
            options.AddArgument("enable-automation"); 
            //   options.AddArgument("headless"); 
            //  options.AddArguments("--proxy-server=http://user:password@yourProxyServer.com:8080"); 
 
            using (IWebDriver driver = new OpenQA.Selenium.Chrome.ChromeDriver(service, options, TimeSpan.FromSeconds(120))) 
            { 
                driver.Url = "https://www.1688.com/"; 
                Thread.Sleep(200); 
                try 
                { 
                    int a = 1; 
                    foreach (var itemsurls in surls) 
                    { 
                        SetText("\r\n第" + a.ToString() + "個(gè)"); 
                        driver.Navigate().GoToUrl(itemsurls.picurl); 
                        //登錄 
                        if (driver.Url.Contains("login.1688.com")) 
                        { 
                            SetText("\r\n需要登錄，開始嘗試..."); 
                            trylogin(driver); //嘗試登錄完成 
                                              //再試試 
                            driver.Navigate().GoToUrl("https://s.1688.com/youyuan/index.htm?tab=imageSearch&imageType=oss&imageAddress=cbuimgsearch/eWXC7XHHPN1607529600000&spm="); 
 
                            if (driver.Url.Contains("login.1688.com")) 
                            { 
                                //沒辦法退出 
                                SetText("\r\n退出，換ip重試..."); 
                                return; 
                            } 
                        } 
 
                        //鼠標(biāo)放上去的內(nèi)容因?yàn)轫撁孀詭е荒茱@示一個(gè)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 
                        //  var elements = document.getElementsByClassName('hover-container'); 
                        //  Array.prototype.forEach.call(elements, function(element) { 
                        //  element.style.display = "block"; 
                        //   console.log(element); 
                        //  }); 
 
                        //   IJavaScriptExecutor js = (IJavaScriptExecutor)driver; 
 
                        //    var sss = js.ExecuteScript(" var elements = document.getElementsByClassName('hover-container');  Array.prototype.forEach.call(elements, function(element) {  console.log(element); element.setAttribute(\"class\", \"測試title\");  element.style.display = \"block\";  console.log(element); });"); 
 
                        Thread.Sleep(500); 
                        var responseModel = Write(itemsurls.key, driver.PageSource, Pagetypeenum.列表); 
                        Thread.Sleep(500); 
                        int i = 1; 
                        foreach (var offer in responseModel?.data?.offerList ?? new List<OfferItemModel>()) 
                        { 
                            driver.Navigate().GoToUrl(offer.information.detailUrl); 
                            string responseDatadetail = driver.PageSource; 
                            Write(itemsurls.key, driver.PageSource, Pagetypeenum.詳情); 
                            SetText("\r\n第" + a.ToString() + "-" + i.ToString() + "個(gè)"); 
                            Thread.Sleep(500); 
                            i++; 
                        } 
                    } 
                } 
                catch (Exception ex) 
                { 
                    CloseChromeDriver(driver); 
                    throw; 
                } 
            } 
        } 

#region 異常  退出chromedriver          [DllImport("user32.dll", EntryPoint = "FindWindow")]         private extern static IntPtr FindWindow(string lpClassName, string lpWindowName);          [DllImport("user32.dll", EntryPoint = "SendMessage")]         public static extern int SendMessage(IntPtr hWnd, int Msg, int wParam, int lParam);          public const int SW_HIDE = 0;         public const int SW_SHOW = 5;          [DllImport("user32.dll", EntryPoint = "ShowWindow")]         public static extern int ShowWindow(IntPtr hwnd, int nCmdShow);          /// <summary>         /// 獲取窗口句柄         /// </summary>         /// <returns></returns>         public IntPtr GetWindowHandle()         {             string name = (Environment.CurrentDirectory + "\\chromedriver.exe");             IntPtr hwd = FindWindow(null, name);             return hwd;         }          /// <summary>         /// 關(guān)閉chromedriver窗口         /// </summary>         public void CloseWindow()         {             try             {                 IntPtr hwd = GetWindowHandle();                 SendMessage(hwd, 0x10, 0, 0);             }             catch { }         }          /// <summary>         /// 退出chromedriver         /// </summary>         /// <param name="driver"></param>         public void CloseChromeDriver(IWebDriver driver)         {             try             {                 driver.Quit();                 driver.Dispose();             }             catch { }             CloseWindow();         }          #endregion 異常  退出chromedriver

效果

總結(jié)

說一下思路:

1.跳轉(zhuǎn)到指定的網(wǎng)頁driver.Navigate().GoToUrl

2.確定數(shù)據(jù)源，從driver.PageSource讀取數(shù)據(jù)

3.對html數(shù)據(jù)進(jìn)行解析

“怎么用C#+Selenium+ChromeDriver爬取網(wǎng)頁，模擬真實(shí)的用戶瀏覽行為”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識可以關(guān)注億速云網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實(shí)用文章！