首页 > 编程语言> > 【C# - 爬虫】使用Selenium实现爬虫，获取近七天天气信息（包含完整代码）

【C# - 爬虫】使用Selenium实现爬虫，获取近七天天气信息（包含完整代码）

2022-08-18 21:05:05 作者：互联网

前言

提示：爬虫本身并不违法，所有爬虫都应遵守Robots协议，虽然Robots协议并不是强制性要求，但由此可能引发法律纠纷等问题。
如非必要，我们在使用爬虫过程中，也应该尽量避免大量，快速反复请求网站，造成网站资源占用，甚至造成网站服务器的宕机，请文明使用爬虫;
需要了解更多Robots协议详情请参考：Robots协议
想要查看网站Robots协议，可以在网站域名后添加/robots.txt；例如CSDN的Robots协议就是：https://www.csdn.net/robots.txt

一、Selenium简介

Selenium开始并不是用于爬虫，而是一款自动化测试工具，它可以直接运行在浏览器中，模拟用户操作，支持的浏览器包括IE（7, 8, 9, 10, 11），Firefox，Safari，Google Chrome，Opera，Edge等。
这个工具的主要功能包括：测试与浏览器的兼容性(测试应用程序看是否能够很好得工作在不同浏览器和操作系统之上)。测试系统功能(创建回归测试检验软件功能和用户需求)。
支持自动录制动作和自动生成.Net、Java、Perl等不同语言的测试脚本。

二、浏览器驱动

1.浏览器驱动参考

浏览器	支持的操作系统	维护者	下载	问题追溯
Chromium/Chrome	Windows/macOS/Linux	Google	下载	Issues
Firefox	Windows/macOS/Linux	Mozilla	下载	Issues
Edge	Windows/macOS	Microsoft	下载	Issues
Internet Windows	Windows/macOS/Linux	Selenium Project	下载	Issues
Safari	macOS	High Sierra and newer Apple	内置	Issues

注意: Opera驱动程序不支持w3c语法, 因此我们建议使用chromedriver来处理Opera. 请参见Opera浏览器的代码示例
下载版本以自己安装的浏览器版本为主，我这里以 Windows10 Chrome 103.0.5060.134为例

2.Windows下载Chrome驱动

在这里插入图片描述

三、代码实现

1.新建控制台项目WeatherWebCrawler

在这里插入图片描述

2.选择.NET 6.0

.NET 6.0和.NET Core 3.1最大区别是Program.cs中Main函数的取消，该代码在NET Core 3.1中也可使用
在这里插入图片描述

3.安装NuGet包

命令：Install-Package Selenium.WebDriver -Version 4.3.0
在这里插入图片描述

4.将下载好的驱动放到项目生成目录下

没有目录的把项目生成下就有了，注意不是项目根目录，而是项目生成的目录下；
或者知道自己放在哪个目录，代码中driverServicePath改成文件夹路径也行，路径只到文件夹，不要包含驱动文件
在这里插入图片描述

5.编写代码

网站地址
首先拿到页面的url，根据需求选择想要城市的url，当前也可以拿到全部城市，用xml或者配置文件可动态选择，这里就不过多展开，等有时间后面会单独出一篇文章详解，代码中是以我当前所在地为例。

①选择自己的需求城市
②选择七天
③复制网站地址

代码实现打开浏览器，并进入网站

using OpenQA.Selenium.Chrome;

//驱动路径（注意不要包含驱动文件）
string driverServicePath = Path.Combine(Directory.GetCurrentDirectory(), "chromedriver_win32");
//创建驱动服务
ChromeDriverService service = ChromeDriverService.CreateDefaultService(driverServicePath);
//实例化浏览器驱动
ChromeDriver driver = new ChromeDriver(service);

//页面地址
string url = "http://www.weather.com.cn/weather/101280601.shtml";
//打开页面
driver.Navigate().GoToUrl(url);

运行成功就可以看到程序自己打开浏览器了，并且有一行标识：Chrome 正受到自动测试软件的控制。
在这里插入图片描述
接着找到七天天气这块元素

提示：class中带有空格的，只能用By.CssSelector获取元素
这里需要一点点前端知识，需要了解的同学可以前往：CSS选择器

扩展知识
不会前端的可以直接获取想要的元素的XPath：

①在浏览器按F12打开开发者工具，点击带有鼠标箭头样的图标
②鼠标在页面上选择自己需要的元素，并点击
③在Elements中鼠标右键选中元素的html代码
④选择Copy
⑤选择Copy XPath
代码中使用By.XPath("XPath")，粘贴复制的XPath路径就ok了

获取七天天气

//获取七天天气
ReadOnlyCollection<IWebElement> sky = driver.FindElements(By.CssSelector("li[class^='sky skyid'"));

获取每一天天气信息

Console.Out.WriteLineAsync("\n********************************************************");
Console.Out.WriteLineAsync("\t\t近七天天气");
//输出每天天气信息
foreach (var item in sky)
{
    //天气信息中的日期
    string date = item.FindElement(By.TagName("h1")).Text;
    //天气信息中的天气描述
    string wea = item.FindElement(By.CssSelector("p[class='wea']")).Text;
    //天气信息中的气温
    string tem = item.FindElement(By.CssSelector("p[class='tem']")).Text;
    //天气信息中的风向
    string win = item.FindElement(By.CssSelector("p[class='win']>em>span:nth-child(1)")).GetAttribute("title");
    //天气信息中的风力
    var wins = item.FindElement(By.CssSelector("p[class='win']>i")).Text;
    Console.Out.WriteLineAsync($"\n{date}天气信息:\n描述：{wea}\n气温：{tem}\n风向：{win}\n风力：{wins}");
}
Console.Out.WriteLineAsync("********************************************************");

可以看到控制台输出了七天天气信息，但是输出了很多没用得信息，看着很乱

在这里插入图片描述

在平时开发过程中，我们其实没必要每次都打开浏览器，这速度非常缓慢，我们可以设置浏览器属性，想了解其他的设置项可以前往Chrome设置项

//浏览器设置项
ChromeOptions options = new ChromeOptions();
options.AddArgument("--headless");//无头模式（不打开浏览器）
options.AddArgument("--no-sandbox");//禁用沙箱（Linux下我试了只有加上该属性才能启动成功）
options.AddArgument("--incognito");//隐身模式（无痕模式）
options.AddArgument("--disable-gpu");//禁用GPU加速
options.AddArgument("--disable-gpu-program-cache");//禁用GPU程序缓存
options.AddArgument("--log-level=3");//控制台舒服信息非常多，日志级别设置高点只会输出失败的日志信息，日志的最低级别（INFO = 0, WARNING = 1, LOG_ERROR = 2, LOG_FATAL = 3）
//实例化浏览器驱动
ChromeDriver driver = new ChromeDriver(service, options);

再次启动，浏览器没有打开了，而且可以看到控制台日志信息少了很多输出信息，这样看着舒服多了
在这里插入图片描述

四、完整代码

using OpenQA.Selenium;
using OpenQA.Selenium.Chrome;
using System.Collections.ObjectModel;

#region 实例浏览器驱动
//驱动路径（注意不要包含驱动文件）
string driverServicePath = Path.Combine(Directory.GetCurrentDirectory(), "chromedriver_win32");
//创建驱动服务
ChromeDriverService service = ChromeDriverService.CreateDefaultService(driverServicePath);
//浏览器设置项
ChromeOptions options = new ChromeOptions();
options.AddArgument("--headless");//无头模式（不打开浏览器）
options.AddArgument("--no-sandbox");//禁用沙箱
options.AddArgument("--incognito");//隐身模式（无痕模式）
options.AddArgument("--disable-gpu");//禁用GPU加速
options.AddArgument("--disable-gpu-program-cache");//禁用GPU程序缓存
//options.AddArgument("--log-level=3");//日志的最低级别（INFO = 0, WARNING = 1, LOG_ERROR = 2, LOG_FATAL = 3）
//实例化浏览器驱动
ChromeDriver driver = new ChromeDriver(service, options);
#endregion

//获取天气
Weather();

Console.ReadKey();

#region 网站地址 http://www.weather.com.cn/
void Weather()
{
    #region 获取网页信息
    //页面地址
    string url = "http://www.weather.com.cn/weather/101280601.shtml";
    //打开页面
    driver.Navigate().GoToUrl(url);
    //获取七天天气
    ReadOnlyCollection<IWebElement> sky = driver.FindElements(By.CssSelector("li[class^='sky skyid'"));
    //获取七天天气(By.XPath)
    //ReadOnlyCollection<IWebElement> sky = driver.FindElements(By.XPath("//*[@id='7d']/ul/li"));
    #endregion

    #region 打印结果
    Console.Out.WriteLineAsync("\n********************************************************");
    Console.Out.WriteLineAsync("\t\t近七天天气");
    foreach (var item in sky)
    {
        //天气信息中的日期
        string date = item.FindElement(By.TagName("h1")).Text;
        //天气信息中的天气描述
        string wea = item.FindElement(By.CssSelector("p[class='wea']")).Text;
        //天气信息中的气温
        string tem = item.FindElement(By.CssSelector("p[class='tem']")).Text;
        //天气信息中的风向
        string win = item.FindElement(By.CssSelector("p[class='win']>em>span:nth-child(1)")).GetAttribute("title");
        //天气信息中的风力
        var wins = item.FindElement(By.CssSelector("p[class='win']>i")).Text;
        Console.Out.WriteLineAsync($"\n{date}天气信息:\n描述：{wea}\n气温：{tem}\n风向：{win}\n风力：{wins}");
    }
    Console.Out.WriteLineAsync("********************************************************");
    #endregion
}
#endregion

总结

好了，以上就是今天要讲的内容，本文仅仅介绍了Selenium用于爬虫的简单使用，而Selenium提供了很多其他强大功能，想要继续深入学习Selenium的同学可以前往官网学习：selenium。
后面我也会陆续更新其他的爬虫小项目，感谢大家支持！

标签：浏览器,string,C#,Selenium,天气,爬虫,item,--,options
来源： https://www.cnblogs.com/xdgy/p/16600068.html