c#爬虫-使用ChromeDriver 所见即所得

Posted dotNET跨平台

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了c#爬虫-使用ChromeDriver 所见即所得相关的知识,希望对你有一定的参考价值。

问题

最近在做爬虫的时候发现很多网页都是浏览器看得见,但是源文件是看不到的,也就是所谓的异步加载。这时候如果我们需要那些异步内容,要么是了解他的规则,进行条件的组合进而再次进行http请求,得到数据;这种方式有时候遇到逻辑复杂的就比较不好处理。这时候ChromeDriver就派上用场了。

办法

下面我们来看下这个例子

爬取腾讯视频,获取电视剧或电影链接。

浏览器是这样的查看文件是这样的,压根没有视频地址

使用ChromeOptions模拟用户行为

   ChromeOptions options = new ChromeOptions();
            options.AddArguments("--test-type", "--ignore-certificate-errors");
            options.AddArguments("user-agent=mozilla/5.0 (linux; u; android 2.3.3; en-us; sdk build/ gri34) applewebkit/533.1 (khtml, like gecko) version/4.0 mobile safari/533.1");
            options.AddArgument("enable-automation");
            //   options.AddArgument("headless");
            //  options.AddArguments("--proxy-server=http://user:password@yourProxyServer.com:8080");

            //  IWebDriver driver = new ChromeDriver(System.Environment.CurrentDirectory, options);

            //chromeDriverService  System.Environment.CurrentDirectory   System.Environment.CurrentDirectory
            using (IWebDriver driver = new OpenQA.Selenium.Chrome.ChromeDriver(@"C:\\Users\\Administrator\\Downloads\\chromedriver_win32", options, TimeSpan.FromSeconds(120)))
            {
                // trylogin(driver);
                driver.Url = "http://v.qq.com/iframe/player.html?tiny=1&auto=0&vid=z0023uikqoj";
                //tenvideo_video_player_0
                SetText(driver.PageSource);


                Thread.Sleep(200);
                try
                {
                    for (int a = 1; a < 2; a++)
                    {
                        SetText("\\r\\n第" + a.ToString() + "个");
                        driver.Navigate().GoToUrl("https://s.1688.com/youyuan/index.htm?tab=imageSearch&imageType=oss&imageAddress=cbuimgsearch/eWXC7XHHPN1607529600000&spm=");
                        //登录
                        if (driver.Url.Contains("login.1688.com"))
                        {
                            SetText("\\r\\n需要登录,开始尝试...");
                            trylogin(driver); //尝试登录完成
                                              //再试试
                            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"))
                            {
                                //没办法退出
                                SetText("\\r\\n退出,换ip重试...");
                                return;
                            }
                        }

                        //鼠标放上去的内容因为页面自带只能显示一个的原因 没办法做到全部显示 然后在下载 只能是其他方式下载
                        //  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\\", \\"测试title\\");  element.style.display = \\"block\\";  console.log(element); });");

                        Thread.Sleep(500);
                        var responseModel = Write(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(driver.PageSource, Pagetypeenum.详情);
                            SetText("\\r\\n第" + a.ToString() + "-" + i.ToString() + "个");
                            Thread.Sleep(500);
                            i++;
                        }
                    }
                }
                catch (Exception ex)
                {
                    CloseChromeDriver(driver);
                    throw;
                }
            }

            // Thread thread = new Thread(go);
            //  thread.Start();
        }

得到网页信息SetText(driver.PageSource);

   private void button2_Click(object sender, EventArgs e)
        {
            //文件路径
            string filePath = @"G:\\conan\\reptiles1688\\bin\\Debug\\test.txt";

            using (FileStream fsRead = new FileStream(filePath, FileMode.Open, FileAccess.Read, FileShare.ReadWrite))
            {
                int fsLen = (int)fsRead.Length;
                byte[] heByte = new byte[fsLen];
                fsRead.Read(heByte, 0, heByte.Length);
                string myStr = System.Text.Encoding.Default.GetString(heByte);
                this.textBox1.Text = myStr;///读取
            }

            HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
            doc.LoadHtml(this.textBox1.Text);

            HtmlNode node = doc.GetElementbyId("tenvideo_video_player_0");
            textBox1.Text = node.Attributes["src"].Value;


          //  var node = doc.DocumentNode.SelectNodes("//video[@id='tenvideo_video_player_0']//video");

           // textBox1.Text = (node[3].InnerHtml);
        }
    }

解析得到我们想到的视频地址。

以上是关于c#爬虫-使用ChromeDriver 所见即所得的主要内容,如果未能解决你的问题,请参考以下文章

所见即所得 - execCommand 使用 HTML5 正确更改字体和字体大小

想做一个全能的所见即所得套打程序,放几张图片看

在 Laravel 中打开引导模式后,所见即所得消失

颤振中的HTML所见即所得编辑器?

GWT 的所见即所得编辑器组件

集成 Markdown 所见即所得文本编辑器