我正在从网站上抓取动态数据。出于某种原因,我得到的PageSource()是部分的。但是,当我直接从Chrome或Firefox浏览器查看页面源时,它并不是部分的。我想知道一个能让我完全从页面中删除数据的答案。
对于我的应用程序,我想使用.Net Web浏览器或类似程序以编程方式进行搜索。我尝试过使用Selenium WebDriver 2.48.2和ChromeDriver;我也试过PhantomJSDriver;我也试过WebClient;还有HttpWebRequest。全部使用.Net 4.6.1。
网址:http://contests.covers.com/KingOfCovers/Contestant/PendingPicks/ARTDB
以下任何一项都无效......
尝试#1:HttpWebRequest
var urlContent = "";
try
{
var request = (HttpWebRequest) WebRequest.Create(url);
request.CookieContainer = new CookieContainer();
if (cookies != null)
{
foreach (Cookie cookie in cookies)
{
request.CookieContainer.Add(cookie);
}
}
var responseTask = Task.Factory.FromAsync<WebResponse>(request.BeginGetResponse,request.EndGetResponse,null);
using (var response = (HttpWebResponse)await responseTask)
{
if (response.Cookies != null)
{
foreach (Cookie cookie in response.Cookies)
{
cookies.Add(cookie);
}
}
using (var sr = new StreamReader(response.GetResponseStream()))
{
urlContent = sr.ReadToEnd();
}
}
尝试#2:WebClient
// requires async method signature
using (WebClient client = new WebClient())
{
var task = await client.DownloadStringTaskAsync(url);
return task;
}
尝试#3:PhantomJSDriver
var driverService = PhantomJSDriverService.CreateDefaultService();
driverService.HideCommandPromptWindow = true;
using (var driver = new PhantomJSDriver(driverService))
{
driver.Navigate().GoToUrl(url);
WaitForAjax(driver);
string source = driver.PageSource;
return source;
}
public static void WaitForAjax(PhantomJSDriver driver)
{
while (true) // Handle timeout somewhere
{
var ajaxIsComplete = (bool)(driver as IJavaScriptExecutor).ExecuteScript("return jQuery.active == 0");
if (ajaxIsComplete)
break;
Thread.Sleep(100);
}
}
我还尝试使用页面对象模型的ChromeDriver。这段代码太长了,无法粘贴在这里;尽管如此:它与其他3次尝试具有完全相同的结果。
预期结果
来自网址的数据表已完整,没有任何数据丢失。例如,以下是与下面的屏幕截图进行比较的屏幕截图。要注意的是,没有&#34; ...&#34;。相反,有数据。这可以通过在Firefox或Chrome中打开网址,右键单击和查看页面源来重现。
实际结果
观察&#34; ...&#34;是一个很大的差距,如屏幕截图中的箭头所示。应该有很多行内容代替#34; ...&#34;。这可以使用上述任何尝试再现。
请注意,网址是动态数据。您可能看不到与屏幕截图完全相同的结果。尽管如此,练习可以重复,它只是看起来与屏幕截图不同。快速测试以了解缺少数据是比较页面源行数:&#34;完成&#34;数据集的行数几乎是html中的两倍。
答案 0 :(得分:1)
好的,按要求。很高兴有所帮助。 :)
但在您的C#中,您是否正在复制?,在您的代码中有 - &gt; urlContent = sr.ReadToEnd();
你怎么看,从这里复制结果?您是否正在从调试器中复制?如果是这样,它可能是调试器的对象检查器的修剪。您是否尝试过从urlContent获取结果并保存到文件?例如。 System.IO.File.WriteAllText(@"temp.txt",urlContent);