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
  • 04 2019-07
    代理IP用什么地区的好?

    代理IP用什么地区的好?代理有地区之分的,像机灵代理拥有全国200多城市的IP线路,也就是说有些地区有代理也有地区没有,这是为什么呢?代理IP用什么地区的好?

  • 13 2019-11
    代理IP按不同分类 可以分为多少种?

    代理IP到底有多少种不同的类型?按照不同的方式来划分,我们大致可以将代理IP分为以下6大类别,机灵代理下面为大家带来每个类型的简单介绍。

  • 06 2019-08
    分布式爬虫加上http代理高效采集

    分布式爬虫加上http代理高效采集,这数据的采集肯定是要有效率的,相对于单个网络爬虫而言,分布式爬虫和http代理是提高效率的工具,http代理可以使用机灵代理。那么分布式网络爬虫怎么用

  • 28 2019-06
    透明IP代理根本不能隐藏IP地址

    透明IP代理根本不能隐藏IP地址,这一点估计很多人都没有留意到,IP代理里的“透明”“匿名”“高匿”分别是指?

  • 14 2019-10
    解析短效代理IP的使用优点

    代理IP有这么多不同的选择,短效的代理IP是什么类型?选择它对我们的业务有什么好处呢?今天,机灵代理给大家分享下这个话题,为大家日后选择提供帮助。

  • 08 2019-11
    3方面区分线程IP、动态IP

    线程IP跟动态IP有什么不同?代理IP选择什么类型的IP合适?我们下面就来了解线程IP池跟普通动态转发的不同之处。

在线咨询
大客户经理
大客户经理
1829380381
13316264505

大客户经理微信

微信公众号

微信公众号

回到顶部