C#使用Selenium+PhantomJS抓取數據

手頭項目需要抓取一個用js渲染出來的網站中的數據。使用常用的httpclient抓回來的頁面是沒有數據。上網百度了一下，大家推薦的方案是使用PhantomJS。PhantomJS是一個沒有界面的webkit瀏覽器，能夠和瀏覽器效果一致的使用js渲染頁面。Selenium是一個web測試框架。使用Selenium來操作PhantomJS絕配。但是網上的例子多是Python的。無奈，下載了python按照教程搞了一下，卡在了Selenium的導入問題上。遂放棄，還是用自己慣用的c#吧，就不信c#上沒有。經過半個小時的折騰，搞定（python折騰了一個小時）。記錄下這篇博文，讓我等搞c#的新手能用上PhantomJS。

第一步：打開visual studio 2017 新建一個控制台項目，打開nuget包管理器。

第二部：搜索Selenium，安裝Selenium.WebDriver。注意：如果要使用代理的話最好安裝3.0.0版本。

第三步：寫下如下圖所示的代碼。但是執行的時候會報錯。原因是找不到PhantomJS.exe。這時候可以去下載一個，也可以繼續看第四步。

 

using OpenQA.Selenium;
using OpenQA.Selenium.PhantomJS;
using System;

namespace ConsoleApp1
{
    class Program
    {
        static void Main(string[] args)
        {
            var url = "http://www.baidu.com";
            IWebDriver driver = new PhantomJSDriver(GetPhantomJSDriverService());
            driver.Navigate().GoToUrl(url);
            Console.WriteLine(driver.PageSource);
            Console.Read();
        }

        private static PhantomJSDriverService GetPhantomJSDriverService()
        {
            PhantomJSDriverService pds = PhantomJSDriverService.CreateDefaultService();
            //設置代理服務器地址
            //pds.Proxy = $"{ip}:{port}";  
            //設置代理服務器認證信息
            //pds.ProxyAuthentication = GetProxyAuthorization();
            return pds;
        }
    }
}

 

 

 

第四步：打開nuget安裝Selenium.PhantomJS.WebDriver包。

第五步：運行。可以看到phantomjs.exe被自動下載了。

好了，這樣就可以開始你的數據抓取大業了。