ASP.net通过WebBrowser取得AJAX后的网页
今天 Shih-Min 问我说,假设网页一开始是AJAX 会载入一些资料,但是透过WebClient 去抓
抓到都是JavaScript 跟 AJAX 的原始码,有办法可以抓到AJAX 取完值之后的资料吗?!
这需求,如果写爬虫可能也会有这需求..我的作法是这样..
我是ASP.net 专案..
建立一个Class 记得要加入 System.Windows.Forms
这时候我建立一只 Class 叫做 WebBrowserCrawler
using System.Threading; using System.Windows.Forms; namespace GetAfterAJAXPage { public class WebBrowserCrawler { // WebBrowser private WebBrowser _WebBrowder; //最后结果 private string _Result { get; set; } //网址 private string _Path { get; set; } /// <summary> /// 对外公开的Method /// </summary> www.it165.net /// <param name="url">URL Path</param> /// <returns></returns> public string GetReult(string url) { _Path = url; var mThread = new Thread(FatchDataToResult); //Apartment 是处理序当中让物件共享相同执行绪存取需求的逻辑容器。 同一 Apartment 内的所有物件都能收到 Apartment 内任何执行绪所发出的呼叫。 //.NET Framework 并不使用 Apartment;Managed 物件必须自行以安全执行绪 (Thread-Safe) 的方式运用一切共享资源。 //因为 COM 类别使用 Apartment,所以 Common Language Runtime 在 COM Interop 的状况下呼叫出 COM 物件时必须建立 Apartment 并且加以初始化。 //Managed 执行绪可以建立并且输入只容许一个执行绪的单一执行绪 Apartment (STA),或者含有一个以上执行绪的多执行绪 Apartment (MTA)。 //只要把执行绪的 ApartmentState 属性设定为其中一个 ApartmentState 列举型别 (Enumeration),即可控制所建立的 Apartment 属于哪种型别。 //因为特定执行绪一次只能初始化一个 COM Apartment,所以第一次呼叫 Unmanaged 程式码之后就无法再变更 Apartment 型别。 //From : http://msdn.microsoft.com/zh-tw/library/system.threading.apartmentstate.aspx mThread.SetApartmentState(ApartmentState.STA); mThread.Start(); mThread.Join(); return _Result; } /// <summary> /// Call _WebBrowder 抓取资料 /// For thread Call /// </summary> private void FatchDataToResult() { _WebBrowder = new WebBrowser(); _WebBrowder.DocumentCompleted += _WebBrowder_DocumentCompleted; _WebBrowder.Navigate(_Path); //处理目前在讯息伫列中的所有 Windows 讯息。 //如果在程式码中呼叫 DoEvents,您的应用程式就可以处理其他事件。例如,如果您的表单将资料加入 ListBox 并将 DoEvents 加入程式码中,则当另一个视窗拖到您的表单上时,该表单将重新绘製。 //如果您从程式码移除 DoEvents,您的表单将不会重新绘製,直到按钮按一下的事件处理常式执行完毕。 while (_WebBrowder.ReadyState != WebBrowserReadyState.Complete) { Application.DoEvents(); } _WebBrowder.Dispose(); } //结束后回填 void _WebBrowder_DocumentCompleted(object sender, WebBrowserDocumentCompletedEventArgs e) { _Result = (sender as WebBrowser).Document.Body.InnerHtml; } } }
为什要这样写 通过Thread 来叫用不然会遇到
之后我呼叫端:
1.
WebBrowserCrawler webBrowserCrawler=
new
WebBrowserCrawler();
2.
File.WriteAllText(Server.MapPath(
"sample.txt"
),webBrowserCrawler.GetReult(http:
//www.in2.cc/sample/waterfalllab.htm));
其中我是将取得后的资料写入到sample.txt 中…
郑重声明:本站内容如果来自互联网及其他传播媒体,其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。