想到好久沒寫過.net的代碼了，因此就嘗試來寫一寫.net的代碼。此外，也想要熟悉一下Phantomjs。

---

環境配置

• .net core下載?？蛇x的可以下載宇宙大IDEVisual Studio，當然更加推薦使用Visual Studio Code進行代碼的書寫。

• Phantomjs。這個不用說了，今天的主角。采用無頭瀏覽器爬取ACG小站的很大原因是它的頁面很難分析，此外也有熟悉一下Phantomjs的意思。

• HttpCode.Core，是一個.net core的HTTP請求庫，可以使用Nuget安裝。庫本質上是基于HttpWebRequest實現的，但是為了舍去我們自己封裝的麻煩，就采用此庫來減少代碼量。

• AngleSharp，一個幫助解析HTML的.net庫，可以直接使用LINQ來查詢，很方便。

頁面分析

詳情頁

就以其中隨便的一個動漫鏈接下載為例子，發現了坑爹的玩意，下載鏈接的href屬性是javascript:;。介于淺薄的javascript知識，百度了才知道這個是偽協議，實際運行了一段js代碼回調，從而打開了新的頁面。但是這個網站是用React寫的，更可怕的在下面。

JavaScript

原本采用直接分析，并借助Debug調試來分析它點擊后的回調函數，但是這個JavaScript文件竟然有2萬行代碼，Chrome打開調試定點，根本就沒法format，不然直接卡死，于是放棄了這個念頭，轉而采用無頭瀏覽器進行爬取。

實現

一般采用Phantomjs的手段都為Selenium+Phantomjs，但是性能不是很好，而且暫時也沒怎么找.net的Selenium接口，所以就選用了最近看到的直接讓Phantomjs作為服務端，然后去請求它，讓它把要爬取的結果反饋給.net。注意，這里的結果可以是網頁頁面，也可以是Phantomjs進行HTML解析完的真實數據。

.Net Core代碼

? ? ? ?public async Task<string> GetDownloadPageAsync(string url){string result = string.Empty;//請求phantomjs 獲取下載頁面string dom = "Tappable-inactive animated fadeIn";KeyValuePair<string, string> url2dom = new KeyValuePair<string, string>(url, dom);var postData = JsonConvert.SerializeObject(url2dom);CookieContainer cc = new CookieContainer(); ?HttpHelpers helper = new HttpHelpers(); ?HttpItems items = new HttpItems();HttpResults hr = new HttpResults();items.Url = "http://localhost:8088/";items.Method = "POST";items.Container = cc;items.Postdata = postData;items.Timeout = 100000;hr = await helper.GetHtmlAsync(items);var downloadPageUrl = hr.Html;Console.WriteLine($"first => { downloadPageUrl }");if(downloadPageUrl.Contains("http")){# TODO}else{result = downloadPageUrl; //輸出錯誤信息}return result;}

這里展示的是第一部分的代碼，即請求詳情頁的代碼，還未涉及到點了下載按鈕之后頁面的分析，實際上差不多。

JavaScript代碼

"use strict"; var port = 8088; var server = require('webserver').create();//服務端監聽 server.listen(8088, function (request, response) {//傳入的參數有待更改，目前為//{"Key":"https://acg12.com/200340/", "Value":"Tappable-inactive animated fadeIn"}的json字符竄//第一個參數為詳情頁，第二個為下載按鈕的Domvar data = JSON.parse(request.postRaw);var url = data.Key.toString();var dom = data.Value.toString();var code = 0;var page = require('webpage').create();//初始化headerspage.onInitialized = function() {page.customHeaders = {};};page.settings.loadImages = false;page.customHeaders = {"User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/37.0.2062.120 Safari/537.36","Referer": url};response.headers = {'Cache': 'no-cache','Content-Type': 'text/plain','Connection': 'Keep-Alive','Keep-Alive': 'timeout=20, max=100'};//根據Phantomjs的官網，這個回調在打開新標簽頁會觸發page.onPageCreated = function(newPage) {//console.log('A new child page was created! Its requested URL is not yet available, though.');newPage.onLoadFinished = function(status) {console.log('A child page is Loaded: ' + newPage.url);//newPage.render('newPage.png');response.write(newPage.url);response.statusCode = code;response.close(); //寫入返回給.net端的響應內容。};};//讓Phantomjs幫助我們去請求頁面page.open(url, function (status) {console.log("----" + status);if (status !== 'success') {code = 400;response.write('4XX');response.statusCode = code;response.close();} else {code = 200;window.setTimeout(function (){//執行JavaScript代碼，類似于在瀏覽器Console中執行JavaScriptpage.evaluate(function(dom) {console.log(dom);var btnList = document.getElementsByClassName(dom);if(btnList.length > 0){var btn = document.getElementsByClassName(dom)[1]; // 獲取下載按鈕btn.click(); //點擊下載按鈕，打開新標簽頁，觸發page.onPageCreated回調函數。}}, dom); ? ? ? ?}, 7000);}});//根據Phantomjs的官網，這個回調主要應對執行evaluate函數內部的console.log輸出，因為兩個環境是隔離的。page.onConsoleMessage = function(msg, lineNum, sourceId) {console.log("$$$$$" + msg);};page.onError = function(msg, trace) {var msgStack = ['PHANTOM ERROR: ' + msg];if (trace && trace.length) {msgStack.push('TRACE:');trace.forEach(function(t) {msgStack.push(' -> ' + (t.file || t.sourceURL) + ': ' + t.line + (t.function ? ' (in function ' + t.function +')' : ''));});}console.log(msgStack.join('\n'));phantom.exit(1);}; }); phantom.onError = function(msg, trace) {var msgStack = ['PHANTOM ERROR: ' + msg];if (trace && trace.length) {msgStack.push('TRACE:');trace.forEach(function(t) {msgStack.push(' -> ' + (t.file || t.sourceURL) + ': ' + t.line + (t.function ? ' (in function ' + t.function +')' : ''));});}console.log(msgStack.join('\n'));phantom.exit(1);};

這里的注釋比較詳細，就不細說了。

啟動上述Phantomjs服務端的腳本

phantomjs ?--ssl-protocol=any --debug=true .\server_get_detail_page.js

第一個參數是為了保持ssl的鏈接，第二個參數開啟debug，第三個參數為上面的JavaScript代碼。

還有之后的頁面類似于以上的代碼，但是有一些細節需要注意，為了防止文章過長（明明是再水一篇(?￣ _ ?￣?)）大家下期再見。等等，完整的源代碼就先全放在Github上了

原文地址：http://www.jianshu.com/p/9b738a25b585

---

.NET社區新聞，深度好文，微信中搜索dotNET跨平臺或掃描二維碼關注

總結

以上是生活随笔為你收集整理的.net core之ACG小站爬虫（一）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。