我正在尝试使用C#和Chrome Web Inspector登录http://www.morningstar.com并在页面http://financials.morningstar.com/income-statement/is.html?t=BTDPF®ion=usa&culture=en-US上检索一些信息。
我不太清楚必须使用什么心理过程来解释Web Inspector中的信息以模拟登录并模拟保持会话并导航到下一页以收集信息。
有人可以解释或指向我的资源吗?
目前,我只有一些代码来获取主页和登录页面的内容:
public class Morningstar
{
public async static void Ru4n()
{
var url = "http://www.morningstar.com/";
var httpClient = new HttpClient();
httpClient.DefaultRequestHeaders.TryAddWithoutValidation("Accept", "text/html,application/xhtml+xml,application/xml");
httpClient.DefaultRequestHeaders.TryAddWithoutValidation("Accept-Encoding", "gzip, deflate");
httpClient.DefaultRequestHeaders.TryAddWithoutValidation("User-Agent", "Mozilla/5.0 (Windows NT 6.2; WOW64; rv:19.0) Gecko/20100101 Firefox/19.0");
httpClient.DefaultRequestHeaders.TryAddWithoutValidation("Accept-Charset", "ISO-8859-1");
var response = await httpClient.GetAsync(new Uri(url));
response.EnsureSuccessStatusCode();
using (var responseStream = await response.Content.ReadAsStreamAsync())
using (var decompressedStream = new GZipStream(responseStream, CompressionMode.Decompress))
using (var streamReader = new StreamReader(decompressedStream))
{
//Console.WriteLine(streamReader.ReadToEnd());
}
var loginURL = "https://members.morningstar.com/memberservice/login.aspx";
response = await httpClient.GetAsync(new Uri(loginURL));
response.EnsureSuccessStatusCode();
using (var responseStream = await response.Content.ReadAsStreamAsync())
using (var streamReader = new StreamReader(responseStream))
{
Console.WriteLine(streamReader.ReadToEnd());
}
}
编辑:最后,根据穆罕默德的建议,我使用了以下代码:
ScrapingBrowser browser = new ScrapingBrowser();
//set UseDefaultCookiesParser as false if a website returns invalid cookies format
//browser.UseDefaultCookiesParser = false;
WebPage homePage = browser.NavigateToPage(new Uri("https://members.morningstar.com/memberservice/login.aspx"));
PageWebForm form = homePage.FindFormById("memberLoginForm");
form["email_textbox"] = "example@example.com";
form["pwd_textbox"] = "password";
form["go_button.x"] = "57";
form["go_button.y"] = "22";
form.Method = HttpVerb.Post;
WebPage resultsPage = form.Submit();
答案 0 :(得分:2)
您应该模拟网站的登录过程。最简单的方法是通过一些调试器检查网站(例如Fiddler)。
以下是该网站的登录请求:
POST https://members.morningstar.com/memberservice/login.aspx?CustId=&CType=&CName=&RememberMe=true&CookieTime= HTTP/1.1
Accept: text/html, application/xhtml+xml, */*
Referer: https://members.morningstar.com/memberservice/login.aspx
** omitted **
Cookie: cookies=true; TestCookieExist=Exist; fp=001140581745182496; __utma=172984700.91600904.1405817457.1405817457.1405817457.1; __utmb=172984700.8.10.1405817457; __utmz=172984700.1405817457.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none); __utmc=172984700; ASP.NET_SessionId=b5bpepm3pftgoz55to3ql4me
email_textbox=test@email.com&pwd_textbox=password&remember=on&email_textbox2=&go_button.x=36&go_button.y=16&__LASTFOCUS=&__EVENTTARGET=&__EVENTARGUMENT=&__VIEWSTATE=omitted&__EVENTVALIDATION=omited
当你检查这个时,你会看到一些cookie和表单字段,如“__VIEWSTATE”。您需要此字段的实际值才能登录。您可以使用以下步骤:
application/x-www-form-urlencoded
发布它。注意:您可以使用htmlagilitypack或scrapysharp来废弃html。 ScrapySharp为表单发布表单和浏览网站提供了易于使用的工具。
答案 1 :(得分:1)
步骤是:
1)像浏览器一样构建一个请求,向应用程序验证自己的身份。 2)检查响应,并保存标题,cookie或其他有用信息以保持与服务器的会话。 3)使用从第二步收集的信息向服务器发出另一个请求。 4)检查响应,并使用数据分析算法或其他东西来提取数据。
提示:
你没有在这里使用javascript引擎,一些网站使用javascript来显示图形,或者在DOM文档中执行一些交互。在这种情况下,您可能需要使用WebKit lib包装器。