如何用C#获取网页中js或ajax执行后的源码
如题,正在做一个网页爬虫,静态网页都可以获取,现在是一些动态网页,或伪静态页面获取不到源码,就是网页中的js或ajax执行后的页面源码,请问有什么办法? --------------------编程问答-------------------- 自己顶一个!!!! --------------------编程问答-------------------- google获取了吗？百度获取了吗？ --------------------编程问答-------------------- 用webbrowser加载执行。 --------------------编程问答--------------------具体怎么获取了.能说得具体些吗? --------------------编程问答--------------------
假如我要获取一个网页中的全部链接,但是有些链接在网页的源码中根本不显示,为啥?是因为需要经过js执行后,所有链接才会出现.所以我想获取,前辈你能给点意见吗? --------------------编程问答-------------------- 估计只能使用WebBrowser了。WebBrowser会执行js.
但是js执行完毕是没有事件通知的，只能设置个定时器。到一定时间读取WebBrowser的内容。
--------------------编程问答--------------------
具体实现怎么做,麻烦啦 --------------------编程问答--------------------
webbrowser就是一个winform的浏览器控件，可以打开网页。打开网页后webbrowser有document对象，从document对象里可以获取网页的链接，当然跨域的ifream里的链接获取不到，需要一些其他办法才能跨域获取ifream里的链接 --------------------编程问答-------------------- 6楼正解！想要深入分析还是把你要分析的网址和对象贴出来才能帮你分析！对于ajax加载后的内容只能通过定时器去获取。 --------------------编程问答--------------------
比如我把"http://www.bbsgxu.com/"这个网址作为种子url,当解析这个页面时,会爬取到标题为"招聘求职"这个链接,若进入"招聘求职"这个链接爬取,只能爬取到第一页"http://www.bbsgxu.com/thread.php?fid-58.html"中的链接,那第2"http://www.bbsgxu.com/thread.php?fid-58-page-2.html"页...第115页中链接怎么获取?
所以我在想经过js执行后,这些所有分页中的链接都可以获取到.
如果我说的不清楚,你们可以进入链接看看.谢谢啊 --------------------编程问答-------------------- 1.没有有效率要求的话就用6L的方法
2.有效率要求的话 你只能去分析ajax提交的路径和参数了 --------------------编程问答--------------------
静态页面什么的最简单了 --------------------编程问答-------------------- httprequest就可以搞定 --------------------编程问答--------------------
静态页面我知道,简单不用你说我也会.上面的不是真正意义上的静态页面吧,我上面说从种子url开始爬取,只能爬取到"http://www.bbsgxu.com/thread.php?fid-58.html"页面中链接,第2页至-第115页中链接获取不到.需要点击按钮也就是执行js才可以跳转到其它页面. --------------------编程问答--------------------
最后肯定要考虑效率,分析ajax提交路径和参数这种方法不知如何入手?能推荐一些资料或博客介绍么?谢谢 --------------------编程问答--------------------
你可以获取页面上的总页数不
你可以for循环 页面地址不
for
url+i
--------------------编程问答--------------------
Google浏览器 F12 --------------------编程问答-------------------- 哥哥,这种情况是特殊情况,难道所有网址都是以这种形式组成的吗?真实情况不是通过执行js跳转到另外的页面吗? --------------------编程问答--------------------
擦 你到底想干什么
你的http://www.bbsgxu.com/thread.php?fid-58-page-17.html这个就是有规则的url
无规则的url 你自求多福把 --------------------编程问答-------------------- 假如我要获取"http://www.gxu.edu.cn/administration/kjc/List-notice.htm"下所有链接,直接查看源码是js,麻烦哪位大哥能用webbrowse做个例子给我,或者用分析ajax例子更好.答得好,再加分... --------------------编程问答--------------------
我是举个例子,
,因为在爬取网页的时候,你是不知道你所爬取的网页的网址是什么形式的,就如我上面提到的,如果不考虑js执行,那我就只能爬取到第一页中的链接,其他页我是会漏掉的,所以我在想是不是获取到经过js执行后的源码,当解析第一页页面源码(js执行后)时,是可以找到第二页链接的,依次..是可以找到所有链接的.啊,不知我说清楚了没?
--------------------编程问答--------------------
清楚了 给我几分吧 升裤衩 --------------------编程问答-------------------- 你如果是爬站的话
就是把每个页面的连接都爬下来 然后根据爬到了连接在去爬 判断是否是本站页面的简单有效的方法就是判断域名
如果是爬目标网站
这个就需要分析网站的url构造了 --------------------编程问答-------------------- 用 WebBroswer 控件，结合 Microsoft.mshtml.dll 中的方式可以取得网页中所有生成后的源码及所有页面控件。 --------------------编程问答--------------------
I know,如果你只回答到这个分子上,我会给你分的,若能实现那个"假如我要获取"http://www.gxu.edu.cn/administration/kjc/List-notice.htm"下所有链接,直接查看源码是js,麻烦哪位大哥能用webbrowse做个例子给我,或者用分析ajax例子更好.答得好,再加分... ",100分给你不成问题,等着结贴再给分吧 --------------------编程问答--------------------
周一来在弄
http://download.csdn.net/detail/hsuifengershi/5886015
这个是显示html源码的
擦 当时上传的时候忘了贴.net代码 擦啊
--------------------编程问答--------------------
哥哥,我只听说可以获取,问题是获取js执行后的源码实现,我是实现不了(学艺不精)才来问的,之前试了很久,获取到的都是没有被js执行后的源码,你说行,能否给出个代码实现,就以"http://www.gxu.edu.cn/administration/kjc/List-notice.htm"这个链接为例.获取到了该网页js执行后的源码,给你高分,若你用ajax分析实现,100分+ --------------------编程问答--------------------
哥哥,就是要这个,具体代码呢?不过,为啥里面就显示一部分页面源码 --------------------编程问答--------------------
哥哥,还是你给力啊,能否发给小弟呢.唉,要是我工作了,我就付钱给你了
--------------------编程问答--------------------
通读webbrowers类msdn解释就能写出来了。
--------------------编程问答--------------------
既然这么简单,你就花个几分钟给个demo呗. --------------------编程问答--------------------
HtmlDocument curDoc = wb.Document;
HtmlElementCollection elems = wb.Document.GetElementsByTagName("a");
List<string> _urls = new List<string>();
foreach (HtmlElement elem in elems)
{
string strHref = elem.GetAttribute("href");
_urls.Add(strHref);
}
目前使用webbrowse可以获取一部分的链接,应该是没有加载完.这个时间挺难把握的,看来还是得分析ajax提交的路径和参数.不过还是挺想这两种方法的源码实现.拜求...学习... --------------------编程问答-------------------- 这个SP1234超级能装逼的，你可千万不要请教他。。。 --------------------编程问答--------------------
...这个他装逼不装逼,我不清楚,反正他贡献了这个帖子就行(为这个帖子人气出了30分之一的力气)嘿嘿... --------------------编程问答--------------------
这个我可以做到，这个你就搞个定时器，定时3秒去滚动滚动条就可以实现刷新出来新的内容；同时在滚动之前就把webbrowser的源代码获取出来，再判断下最大记录数和源代码的记录数，就可以知道是否加载完了；
其他网页你要知道ajax或js触发的条件是什么，手动触发它，然后获取它的内容就可以了； --------------------编程问答--------------------
具体方法在此我不想多说了。重点是你要先知道一个背景知识：
google、百度等等，也是“爬网页”的，以他们的技术实力，也不会去抓你说的这个东西。
如果你发现有工业级的、比较可行的做法，那么你就可以教google、百度如何做搜索引擎了！ --------------------编程问答-------------------- 如果你不去思考深入一点的背景的东西，你就不会学会在技术上去真正探索原理。只会从csdn上求代码。
能够接受启发而去分门别类地整理你听到、看到的资料，往往比无头苍蝇般地去乱叮别人的资料要好。 --------------------编程问答--------------------
maybe,网页爬虫的真正原理我没深入理解.但是我求代码不是说拿过来完成任务,而是学习别人的实现技巧,任何人初学不都是从模仿开始的吗?你自己都说要整理别人的资料,那拿别人的资料学习有何不可,你又怎么知道我没有自己搜索整理资料呢? --------------------编程问答-------------------- http://download.csdn.net/detail/hsuifengershi/6605357
--------------------编程问答--------------------
分 --------------------编程问答-------------------- 看来只能用WebBrowser了。 --------------------编程问答--------------------
msdn都不读，探索个毛啊。 --------------------编程问答--------------------
你怎么知道我不读，烦得就是你们这种装逼的，不爽可以不发言。 --------------------编程问答--------------------
不爽你可以不问。 --------------------编程问答--------------------
呵呵，请你回答了吗？是你自己舔着脸过来的，就算来了，什么实质性的问题没解决，就知道说别人，有意思吗？你是觉得你自己有多厉害啊！ --------------------编程问答-------------------- 结贴了，还是感谢那些提供了真正帮助的人，不像某些人。。。
补充：.NET技术 , C#
