[转载].NET实现之(WebBrowser数据采集—终结篇)

我们继续上一篇“.NET实现之(WebBrowser数据采集-基础篇)”， 由于时间关系这篇文未能及时编写；上一篇文章发布后，得来了部分博友的反对意见，觉得这样的文章没有意义，WebBrowser采集数据效率低下用 WebRequest效率就能提高了，本人不理解，为什么同样是HTTP协议进行数据采集，效率能提高多少，在采集过程中同样要经历种种的高层协议向底层 协议转换等过程，我个人感觉WebRequest是实现更多的扩展性，本人的WebBrowser数据采集，并不是谈抓取数据的效率，重点是讲解 WebBrowser控件的原理，能用WebBrowser与HTML网页进行很方便的集成，本人的下一篇文章”.NET实现之(WebBrowser数 据采集-续)”，就将用WebBrowser进行与HTML网页进行混合使用，在HTML的对象中我要在我的WebBrowser控件中通过读取数据库， 将Winform的控件在HTML中进行呈现，然后将我们的Winform中的数据动态的填入HTML网页中；这样的人性化、方便性、模拟性我想是 WebRequest所不能取代的，我们大部分的软件是要提供给用户使用的，有一个友好的用户界面是必须的；[王清培版权所有，转载请给出署名]

今天我要讲的主要内容是通过WebBrowser实现数据抓取，上一篇文章并没有讲到怎么抓取数据，而是简单的讲解了WebBrowser控件的由 来和一些互操作方面的东西，这篇文章将完全的讲解在用WebBrowser进行数据抓取时遇到的种种问题，本人有很长一段时间都在做数据抓取，第一次做数 据抓取的时候是和我的一个好搭档一起做的，当时遇到很多困难还是他默默的解决了；在项目完成之后，我就决定将这样的经验与大家分享；我感觉在用 WebBrowser进行抓取的时候最大的问题就是网页加载问题，在WebBrowser控件中有一个事件是我们必须要用到的 DocumentCompleted事件，在网页加载完毕过后我们要进行相应的判断，比如当前页面是否是登录页面，我们做的网页抓取工具不可能是傻瓜式的 手动抓取点一下抓一下，我们是完全自动化的，我们只需要一个登录就行了，因为现在基本上的网页登陆都是需要验证码的，所以登录需要我们人工的去识别填写， 一旦登录成功后，一切均有系统自动完成，比如：动态跳转到采集页面、数据抓取、翻页等等过程都已经自动化，由于网页在频繁的请求过程中难免不太稳定，会造 成无缘无故的停止，比如断网、异步加载迟钝、这样我们只能是通过观看界面才能清楚发生了什么，在通过断点继续抓取；我们不讨论那种抓取好坏是讨论哪种更适 合用户的项目需求；我们需要看一张图才能明白抓取的大概原理：[王清培版权所有，转载请给出署名]

1：这是一幅整图，由于图片太大，本人就截成三个小图了；

通过上图的详细的步骤说明，我们清楚的指导我们要怎么做了；我们切换到代码片段：

2：

这是本人的项目结构，在Common文件夹里面有一个显眼的文件GatherWebBrowser.cs这是本人对WebBrowser控件进行了 一层简单的封装，就是在里面加上了一些事件参数，这个文件下面有一个GatherWebBrowserArgs.cs文件，这个是 WebBrowserDocumentCompletedEventArgs对象的配送对象；

3：

这个对象的目的就是将DocumentCompleted事件分离出来，让我们处理N层跳转的时候能很方便； 由于代码较多，我们就看几个关键的地方，能帮大家理清一个头绪就行了；

4：

这个是我们Winform窗口，WebBrowser控件就是我封装的那个控件，大家请注意，在我们层层跳转到最后的采集页面时，我们要将事件链中 的第一个事件断开，为什么要断开，是因为我们的WebBrowser控件的DocumentCompleted事件总是会在网页加载完毕后触发，一旦当我 们进入到采集生命周期中的时候，这部分的逻辑我们是不需要在处理的，这里就涉及到一个技术细节“委托链”，如果对这方面的东西不太了解的话，请查阅本人的“.NET简谈委托链”一文；

由于数据采集逻辑比较复杂，特别是自动数据采集，需要处理很多逻辑问题，这些东西都是因需求不同而不同，所以本人也只能讲解到这个层度了，大概的实 现方式都是这样的，只要我们去慢慢的分析前后关系，HTML的组织，我相信肯定能写出好的数据采集；在下面的一篇文章中我将要通过WebBrowser实 现与网页交互的系统，这方面的需求也是我们经常碰到的，比如我们有一个C/S的系统，但是我们的C/S系统要依附于B/S的系统，需要将我们的C/S系统 的数据作为B/S系统的操作条件，在输入查询条件的时候，我们需要调用我们的Winform窗口，进行数据查询，然后将我们的Winform结果填到 HTML的文本框中；请读者继续关注，谢谢；