您的位置:首页 > 新闻资讯 >文章内容
几种获取Ajax加载信息的方法
来源:互联网 作者:admin 时间:2019-02-13 10:48:22

    网站为了应对各种爬虫采用了许多的反爬虫策略,即使不能完全杜绝爬虫进行爬取,也能大大降低爬虫的采集速度,比如说网站采用Ajax加载数据,但这些信息爬虫又不能不进行采集,那么爬虫怎么进行采集呢?今天小编为大家介绍几种获取Ajax加载信息的方法


    一、利用phantomjs的一个包装类库


    这个类库很全面,有基于各种浏览的驱动,当然也包括phantomjs,我们就用PhantomJSDriver类来操作。当先下载类库,下载完添加引用,调用,很简单,几行代码就可以。


几种获取Ajax加载信息的方法


    二、利用phantomjs这个开源项目


    这个项目说的通俗点就是一个无界面的基于webkit内核的浏览器,既然是浏览器当然就能获取javascript加载的内容。先简单的介绍下在win7下怎么用这个项目:


    1、下载windows版本,地址http://phantomjs.org/download.html,现在的版本是1.9.1;


    2、下载完,解压缩,放到某个文件夹下;


    3、配置环境变量,把这个文件夹的根目录配置到环境变量中。


    下面我们看怎么用C#来调用,这里用到Process类,具体看代码:


几种获取Ajax加载信息的方法


    上面代码中用到了一个test.js的文件,这个文件的写法需要参考一下phantomjs的api或者它自带的例子,很简单,比较好理解。


几种获取Ajax加载信息的方法


    三、利用WebBrowser控件


    这个方式大家也都知道,也就不多说了,说几个比较重要的地方。首先,我要在DocumentCompleted事件里面完成内容获取的工作,因为该控件是在文档加载完成后触发的。其次,这个事件有个问题,就是说如果在页面中有iframe框架之类的,如果这个iframe加载完成也会触发这个事件,所以我们要做个判断


    if (wb.ReadyState == WebBrowserReadyState.Complete && e.Url.ToString() == wb.Url.ToString())


    这个判断就是说在控件所有内容加载完并且是本页面加载完,而不是某个iframe加载完。然后就可以通过wb.Document.Body.InnerHtml来获取内容。


    以上介绍了几种获取Ajax加载信息的方法,其实三种方式的原理其实是一样的,就是通过浏览器引擎来解析javascript。


相关文章内容简介
推荐阅读
  • 05 2019-07
    爬虫伪装请求头还是伪装IP地址好?

    爬虫伪装请求头还是伪装IP地址好?由于互联网上许多平台有限制,因此爬虫是无法直接去爬取网站的信息,最好的办法是伪装成为用户去爬取,怎么伪装呢?爬虫伪装请求头还是伪装IP地址好

  • 15 2019-04
    不想花钱买优质代理IP,用免费的可以吗?

    不想花钱买优质代理IP,用免费的可以吗?这个估计很难,为什么这么说呢?这是有原因的,首先要考虑的都是效果,其次就是时间问题。

  • 14 2019-02
    购买代理IP攻略:影响IP质量因素

    在选择代理IP的时候,有些人还不知道看什么因素好,但看商家的说法是不可取的,那么当自己去选择代理IP,找什么样的会符合我们的要求?

  • 25 2019-06
    封ip用免费的代理ip解决不了

    封ip用免费的代理ip解决不了,这是为什么呢?现在很多站长都会有抓取数据的需求,因此网络爬虫在一定程度上越来越火爆,其实爬虫的基本功能很简单,就是分析大量的url的html页面,从而提

  • 02 2019-05
    代理服务器和网关的作用一样吗?

    代理服务器和网关的作用一样吗?其实代理服务器和网关是有区别的,那么二者哪里不一样呢?网关又称网间连接器、协议转换器。网关在网络层以上实现网络互连,是最复杂的网络互连设备,

  • 04 2019-04
    IP代理池的组成以及搭建过程中遇到的问题

    我们搭建IP代理池,一般都是选择免费的,不过免费的采集也简单,无非就是:访问页面页面 —> 正则/xpath提取 —> 保存。下面我们来看看IP代理池的组成以及搭建过程中遇到的问题。

在线客服
大客户VIP渠道
点击这里给我发消息
讨论QQ群
HTTP代理IP爬虫
客服电话
13318873961