Selenium是一個用于Web應用程序測試的工具。Selenium測試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(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。

2.需求

在平常的爬蟲開發(fā)中，有時候網(wǎng)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，那么得到的源文件是一堆js ，需要自己在去組裝數(shù)據(jù)，很費力；但是采用Selenium+ChromeDriver可以達到所見即所得的完美效果。

3.實現(xiàn)方式

項目結構：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

 #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：

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)進行解析

到此這篇關于用C#+Selenium+ChromeDriver爬取網(wǎng)頁(模擬真實的用戶瀏覽行為)的文章就介紹到這了,更多相關用C#+Selenium+ChromeDriver 爬取網(wǎng)頁內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: