C#.NET : Scraping dynamic (JS) websites

Question

经过几个小时的失败，我来到这里。我需要抓取一个动态生成的网页(使用 Vue.JS 制作，但我不想共享链接)。

我尝试了多种方法( 1 、 2 、 3 )。它们都不适用于此网页。

最有前途的解决方案是使用 Selenium 和 PhantomJS。我是这样试过的，但我不确定为什么它对谷歌不起作用:

private void button1_Click(object sender, EventArgs e) {
        PhantomJSDriverService service = PhantomJSDriverService.CreateDefaultService();
        service.IgnoreSslErrors = true;
        service.LoadImages = false;
        service.ProxyType = "none";

        var driver = new PhantomJSDriver(service); // I also tried: new PhantomJSDriver();
        driver.Manage().Timeouts().PageLoad = TimeSpan.FromSeconds(10);
        driver.Url = "https://google.com";
        driver.Navigate();

        var source = driver.PageSource;
        textBox1.AppendText(source);
}

无效:

我也尝试过使用 WebBrowser 控件，但页面从未完全加载:

(编辑:我发现 WebBrowser 只是实例化 IE，在尝试在独立 IE 浏览器中打开目标网站后，该网页也从未完全加载，因此看到相同的行为是有意义的在 WebView 中。由于这个事实，我认为我必须使用 Selenium 和 PhantomJS。)

当然这不应该这么复杂。如何正确执行？

Answer 1

如果你需要抓取一个网站，你可以使用 ScrapySharp 抓取框架。您可以将其作为 nuget 添加到项目中。 https://www.nuget.org/packages/ScrapySharp/

安装包 ScrapySharp - 版本 2.6.2

它有许多有用的属性来访问页面上的不同元素。例如，要访问页面的整个 HTML，您可以使用以下内容:

        ScrapingBrowser Browser = new ScrapingBrowser();
        WebPage PageResult = Browser.NavigateToPage(new Uri("http://www.example-site.com"));
        HtmlNode rawHTML = PageResult.Html;
        Console.WriteLine(rawHTML.InnerHtml);
        Console.ReadLine();