- A+
所属分类：.NET技术
目前对网页的爬虫一个是对网页直接爬取数据和WeiAPI的方式爬取，这取决于网址用的什么时候渲染的数据，然后展示在网页中。
首先我们对某一个网址准备爬取数据时候，你需要去研究这个网址是后台给前台是数据还是网页，这个时候我推荐 Fiddler 或者Fiddler.exe 和 postman 这两个软件进行研究，具体安装方式和使用方式可百度，有很多的教程；如果你不想下载，那在浏览器中按住 F12，然后如下图
如果Response里面是一个HTML，那说明这个不是WebAPI的方式，这个时候你就得选择网页爬虫，在C#NuGet里面添加 以下几个
ChromeOptions options = new ChromeOptions(); // 不显示浏览器 options.AddArgument("--headless"); // GPU加速可能会导致Chrome出现黑屏及CPU占用率过高,所以禁用 options.AddArgument("--disable-gpu"); //禁用浏览器的保存密码选项 options.AddUserProfilePreference("credentials_enable_service", false); options.BinaryLocation = webClientUrl; IWebDriver driver = new ChromeDriver(options); //进入的网址 driver.Navigate().GoToUrl(LoingUrl);//LoingUrl 就得需要连接的地址 // 设置页面加载时间 driver.Manage().Timeouts().PageLoad = TimeSpan.FromSeconds(2000); driver.FindElement(By.Id("txtUsername")).SendKeys(userName); driver.FindElement(By.Id("txtPassword")).SendKeys(userPassword); driver.FindElement(By.Id("imgBtnSignIn")).Click(); driver.Navigate().GoToUrl(listUrl);//需要获取数据的地址 var _trselector = driver.FindElements(By.CssSelector("这里是你需要获取数据的Clss或者ID对应的名称"));// 定位到表格下的每一个tr的数据
比如<div id="test_id"><div class="test">--------------</div></div> 那就是 by.CssSelector("#test_id .test") HtmlDocument htmlDocument = new HtmlDocument();//初始化一个HTMLDocument对象 htmlDocument.LoadHtml(_trselector .GetAttribute("innerHTML"));//这里是获取元素里面的内容 然后数据里面可能会有nt 等字符，我们需要把他给替换 可以使用Replace
2、webAPI
如果Response是这种，这后台采用的是WebAPI的方式，这个时候我们去Headers里面看看，RequestURL就是WebAPI的方法，而FormData就是参数，把URL和参数拼接一起即可得到数据，然后获取数据即可，代码如下。
WebAPI代码
public void GetData(){ CookieContainer httpCookie = DoLogin(UserName, Password); if (httpCookie == null) return;//登录是否成功 //获取WebApi的数据 string result_CIS = GetCISList(CISURL, httpCookie); ……………………这里就是对获取的数据进行处理解析 } private CookieContainer DoLogin(string username, string password, string LoginURL)
{ var client = new RestClient(LoginURL); var request = new RestRequest(Method.POST); //UserName=OECSHA&Password=Oecsha123!&OfficeCode= request.AddParameter("application/x-www-form-urlencoded", $"UserName={username}&Password={password}&OfficeCode=", ParameterType.RequestBody); client.CookieContainer = new System.Net.CookieContainer(); IRestResponse response = client.Execute(request); if (!response.IsSuccessful) return null; return client.CookieContainer; } private string GetCISList(string cISURL, CookieContainer httpCookie) { var client = new RestClient(cISURL+ "参数"); var request = new RestRequest(Method.POST);//采用的方式 client.CookieContainer = httpCookie; IRestResponse response = client.Execute(request); if (!response.IsSuccessful) return null; return response.Content;
}
