Playwright 是一个用于测试和自动化网页的库,可以使用 C# 语言来控制 Chromium、Firefox 和 WebKit 这三种浏览器。Playwright 由微软开发,可以实现跨浏览器的网页自动化,具有高效、可靠和快速的特点。
使用 Playwright,可以模拟用户的行为,比如访问亚马逊网站(https://www.amazon.com),并使用爬虫技术来采集商品的信息和评论。可以使用 CSS 或 XPath 选择器来定位网页上的元素,并获取它们的文本或属性。
例如,可以使用 Playwright 来采集亚马逊上国际畅销书的列表,首先你需要打开这个链接:https://www.amazon.com/b?node=17938598011。然后可以找到所有的书籍元素,它们都有两个类名 a-section 和 a-spacing-base。接着可以遍历每个书籍元素,并获取它们的标题、价格、评分和评论数等信息。
这样,就可以使用 Playwright 和 C# 语言来自动化和采集基于 Chromium 的亚马逊网页和评论数据了。下面是代码实现:
using System;
using System.Collections.Generic;
using System.Threading;
using System.Threading.Tasks;
using Microsoft.Playwright;
class Program
{
? ? static async Task Main(string[] args)
? ? {
? ? ? ? // 初始化 Playwright
? ? ? ? using var playwright = await Playwright.CreateAsync();
? ? ? ? //亿牛云爬虫代理加强版的代理服务器地址和端口号
? ? ? ? ? ? var proxyServer = "http://www.16yun.cn:3100";?
? ? ? ? var browser = await playwright.Chromium.LaunchAsync(new BrowserTypeLaunchOptions
? ? ? ? {
? ? ? ? ? ? Proxy = new ProxySettings
? ? ? ? ? ? {
? ? ? ? ? ? ? ? Server = proxyServer,
? ? ? ? ? ? ? ? //亿牛云爬虫代理加强版的用户名
? ? ? ? ? ? ? ? Username = "your_username",
? ? ? ? ? ? ? ? //亿牛云爬虫代理加强版的密码
? ? ? ? ? ? ? ? Password = "your_password",
? ? ? ? ? ? }
? ? ? ? });
? ? ? ? // 创建一个新的上下文
? ? ? ? var context = await browser.NewContextAsync(new BrowserNewContextOptions
? ? ? ? {
? ? ? ? ? ? ViewportSize = new ViewportSize
? ? ? ? ? ? {
? ? ? ? ? ? ? ? Width = 1280,
? ? ? ? ? ? ? ? Height = 720,
? ? ? ? ? ? },
? ? ? ? });
? ? ? ? // 创建一个新的页面
? ? ? ? var page = await context.NewPageAsync();
? ? ? ? // 导航到亚马逊网站
? ? ? ? await page.GotoAsync("https://www.amazon.com/");
? ? ? ? // 输入关键字搜索
? ? ? ? await page.FillAsync("#twotabsearchtextbox", "laptop");
? ? ? ? await page.ClickAsync("#nav-search-submit-button");
? ? ? ? // 等待搜索结果页面加载完成
? ? ? ? await page.WaitForLoadStateAsync(LoadState.NetworkIdle);
? ? ? ? // 获取商品链接列表
? ? ? ? var links = await page.EvaluateAsync<IEnumerable<string>>(@"
? ? ? ? ? ? Array.from(document.querySelectorAll('.s-result-item h2 a'))
? ? ? ? ? ? .map(a => a.href)
? ? ? ? ");
? ? ? ? // 创建任务列表
? ? ? ? var tasks = new List<Task>();
? ? ? ? // 遍历商品链接列表,采集评论数据
? ? ? ? foreach (var link in links)
? ? ? ? {
? ? ? ? ? ? tasks.Add(Task.Run(async () =>
? ? ? ? ? ? {
? ? ? ? ? ? ? ? // 创建一个新的页面
? ? ? ? ? ? ? ? var page = await context.NewPageAsync();
? ? ? ? ? ? ? ? // 设置页面的 User-Agent
? ? ? ? ? ? ? ? await page.SetUserAgentAsync("Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/93.0.4577.63 Safari/537.36");
? ? ? ? ? ? ? ? // 导航到商品页面
? ? ? ? ? ? ? ? await page.GotoAsync(link);
? ? ? ? ? ? ? ? // 等待商品页面加载完成
? ? ? ? ? ? ? ? await page.WaitForLoadStateAsync(LoadState.NetworkIdle);
? ? ? ? ? ? ? ? // 获取商品名称
? ? ? ? ? ? ? ? var title = await page.InnerTextAsync("#productTitle");
? ? ? ? ? ? ? ? // 获取商品评价信息
? ? ? ? ? ? ? ? var rating = await page.InnerTextAsync("#averageCustomerReviews .a-icon-star-small .a-icon-alt");
? ? ? ? ? ? ? ? var reviewCount = await page.InnerTextAsync("#acrCustomerReviewText");
? ? ? ? ? ? ? ? // 输出采集的数据
? ? ? ? ? ? ? ? Console.WriteLine($"{title}: {rating} ({reviewCount})");
? ? ? ? ? ? ? ? // 关闭页面
? ? ? ? ? ? ? ? await page.CloseAsync();
? ? ? ? ? ? }));
? ? ? ? }
? ? ? ? // 等待所有任务完成
? ? ? ? await Task.WhenAll(tasks);
? ? ? ? // 关闭浏览器
? ? ? ? await browser.CloseAsync();
? ? }
}
这个代码使用了 Playwright 库来实现自动化和采集基于 Chromium 的亚马逊网页和评论数据。它创建了一个 Chromium 浏览器实例,并使用代理服务器来访问网站。它还创建了一个新的页面,并通过输入关键字搜索获取商品链接列表。然后,它遍历商品链接列表,为每个商品创建一个新的任务,并采集商品名称、评价信息等数据。最后,它等待所有任务完成并关闭浏览器。
这个代码还使用了多线程技术,为每个商品创建一个新的任务来采集数据。这可以提高采集数据的效率,同时也可以降低被网站屏蔽的风险。