C# 尝试分析HTML时出错
我正在尝试分析站点“”。但是这个网站有一个“反机器人保护”。我不知道如何从页面中获取任何html元素 首先,我创建了一个“ssl”安全通道C# 尝试分析HTML时出错,c#,html,parsing,ssl,user-agent,C#,Html,Parsing,Ssl,User Agent,我正在尝试分析站点“”。但是这个网站有一个“反机器人保护”。我不知道如何从页面中获取任何html元素 首先,我创建了一个“ssl”安全通道 ServicePointManager.Expect100Continue = true; ServicePointManager.SecurityProtocol = SecurityProtocolType.Ssl3 | SecurityProtocolType.Tls | SecurityProtocolType.Tls11 | SecurityPr
ServicePointManager.Expect100Continue = true;
ServicePointManager.SecurityProtocol = SecurityProtocolType.Ssl3 | SecurityProtocolType.Tls | SecurityProtocolType.Tls11 | SecurityProtocolType.Tls12;
然后我用浏览器的用户代理字符串做了一个HttpRequest
var request = (HttpWebRequest)WebRequest.Create("https://www.crunchbase.com");
request.UserAgent = "Mozilla/5.0 (Windows NT 6.1; WOW64; rv:52.0) Gecko/20100101 Firefox/52.0";
request.Timeout = 10000;
HttpWebResponse response = (HttpWebResponse)request.GetResponse();
Console.WriteLine("Server status code: " + response.StatusCode);
并使用StreamWriter加载页面:
using (StreamReader sr = new StreamReader(response.GetResponseStream()))
{
string result = sr.ReadToEnd();
Console.WriteLine(result);
}
HtmlWeb web = new HtmlWeb();
HtmlDocument document = web.Load(response.ResponseUri.AbsoluteUri);
string respUri = response.ResponseUri.ToString();
HtmlNode[] nodes = document.DocumentNode.SelectNodes("//a").ToArray();
foreach (var item in nodes)
{
Console.WriteLine(item.InnerHtml);
}
但结果是:
最后,我尝试从页面获取所有URL:
using (StreamReader sr = new StreamReader(response.GetResponseStream()))
{
string result = sr.ReadToEnd();
Console.WriteLine(result);
}
HtmlWeb web = new HtmlWeb();
HtmlDocument document = web.Load(response.ResponseUri.AbsoluteUri);
string respUri = response.ResponseUri.ToString();
HtmlNode[] nodes = document.DocumentNode.SelectNodes("//a").ToArray();
foreach (var item in nodes)
{
Console.WriteLine(item.InnerHtml);
}
但是应用程序会抛出未处理的异常。我假设控制台窗口的上部是console.WriteLine(result)的输出,这几乎显示了反机器人保护。无论你在浏览这个网站时看到什么,它都不是在这个HTML中,它的主体几乎是空的(当这个呈现出来时,它什么都没有)。网页的实际内容可能是由HTML内容引用的一个Javascript代码段动态加载的。另一方面,HtmlWeb解析器(我认为来自HtmlAgility Pack)不执行此Javascript代码,因此无法访问包含您正在查找的元素的实际内容。换句话说,保护工作