Веб-скрейпинг на C#: пошаговое руководство в 2025 году

Sora Fujimoto
AI Solutions Architect
23-Jan-2025

Ваше дружелюбное руководство по извлечению данных с веб-сайтов, обработке CAPTCHA и даже созданию скриншотов!
Зачем использовать веб-скрейпинг в C#?

C# — это не только инструмент для создания Windows-приложений или игр, но и мощный инструмент для веб-скрейпинга! С помощью таких библиотек, как HtmlAgilityPack, Selenium и Puppeteer Sharp, вы можете извлекать данные, автоматизировать взаимодействия и даже решать CAPTCHA (да, правда). В этом руководстве мы будем использовать https://www.scrapethissite.com/pages/ в качестве нашей песочницы. Погрузимся!
Шаг 1: Настройка проекта

Сначала создайте новое консольное приложение C#. Затем установите эти пакеты NuGet:
bash
Install-Package HtmlAgilityPack # Для анализа HTML
Install-Package Selenium.WebDriver # Для автоматизации браузера
Install-Package PuppeteerSharp # Для скриншотов и расширенного скрейпинга
Install-Package Capsolver.SDK # Для решения CAPTCHA
Пример 1: Базовый веб-скрейпинг
Давайте извлечем данные о странах с https://www.scrapethissite.com/pages/simple/.
csharp
using HtmlAgilityPack;
using System.Net;
var url = "https://www.scrapethissite.com/pages/simple/";
var client = new WebClient();
client.Headers.Add("User-Agent", "Mozilla/5.0"); // Будьте вежливы!
var html = client.DownloadString(url);
var doc = new HtmlDocument();
doc.LoadHtml(html);
var countries = doc.DocumentNode.SelectNodes("//div[@class='country']");
foreach (var country in countries)
{
var name = country.SelectSingleNode(".//h3").InnerText.Trim();
var capital = country.SelectSingleNode(".//span[@class='country-capital']").InnerText.Trim();
Console.WriteLine($"Страна: {name}, Столица: {capital}");
}
Это выведет все страны и их столицы. Просто, правда?
Пример 2: Обработка JavaScript с помощью Selenium
Некоторые страницы требуют настоящего браузера. Давайте извлечем данные со страницы примера AJAX используя Selenium:
csharp
using OpenQA.Selenium;
using OpenQA.Selenium.Chrome;
var options = new ChromeOptions();
options.AddArgument("--headless"); // Запуск в фоновом режиме
using var driver = new ChromeDriver(options);
driver.Navigate().GoToUrl("https://www.scrapethissite.com/pages/ajax-javascript/");
var dynamicContent = driver.FindElement(By.CssSelector(".ajax-content")).Text;
Console.WriteLine($"AJAX Контент: {dynamicContent}");
Пример 3: Решение CAPTCHA с помощью Capsolver
CAPTCHA блокирует ваш путь? Используйте Capsolver, чтобы обойти ReCaptchaV2. Вот как:
- Зарегистрируйтесь на Capsolver, получите свой API ключ.
- Используйте API для решения CAPTCHA:
csharp
using System;
using System.Net.Http;
using System.Threading.Tasks;
using System.Text;
using System.Text.Json;
using OpenQA.Selenium;
using OpenQA.Selenium.Chrome;
using System.Threading;
namespace CapSolverSeleniumExample
{
class Program
{
static async Task Main(string[] args)
{
string token = await GetCaptchaToken();
using var driver = new ChromeDriver();
driver.Navigate().GoToUrl("https://www.example.com");
Thread.Sleep(5000);
driver.ExecuteScript("document.getElementById('g-recaptcha-response').innerHTML = arguments[0];", token);
var submitButton = driver.FindElement(By.Id("submit-button"));
submitButton.Click();
Thread.Sleep(5000);
driver.Quit();
}
static async Task<string> GetCaptchaToken()
{
string apiKey = "YOUR_API_KEY";
string siteKey = "6Le-wvkSAAAAAPBMRTvw0Q4Muexq9bi0DJwx_kl-";
string siteUrl = "https://www.example.com";
using var client = new HttpClient();
var payload = new
{
clientKey = apiKey,
task = new
{
type = "ReCaptchaV3TaskProxyLess",
websiteKey = siteKey,
websiteURL = siteUrl,
pageAction = "login"
}
};
var requestContent = new StringContent(JsonSerializer.Serialize(payload), Encoding.UTF8, "application/json");
var createTaskResponse = await client.PostAsync("https://api.capsolver.com/createTask", requestContent);
var createTaskResponseString = await createTaskResponse.Content.ReadAsStringAsync();
using var createTaskJsonDoc = JsonDocument.Parse(createTaskResponseString);
var root = createTaskJsonDoc.RootElement;
if (!root.TryGetProperty("taskId", out var taskIdElement))
{
Console.WriteLine("Не удалось создать задачу: " + createTaskResponseString);
return null;
}
int taskId = taskIdElement.GetInt32();
while (true)
{
await Task.Delay(1000);
var resultPayload = new { clientKey = apiKey, taskId = taskId };
var resultContent = new StringContent(JsonSerializer.Serialize(resultPayload), Encoding.UTF8, "application/json");
var getTaskResponse = await client.PostAsync("https://api.capsolver.com/getTaskResult", resultContent);
var getTaskResponseString = await getTaskResponse.Content.ReadAsStringAsync();
using var getTaskJsonDoc = JsonDocument.Parse(getTaskResponseString);
var resultRoot = getTaskJsonDoc.RootElement;
if (resultRoot.TryGetProperty("status", out var statusElement))
{
string status = statusElement.GetString();
if (status == "ready")
{
if (resultRoot.TryGetProperty("solution", out var solutionElement) && solutionElement.TryGetProperty("gRecaptchaResponse", out var tokenElement))
{
return tokenElement.GetString();
}
return null;
}
if (status == "failed" || resultRoot.TryGetProperty("errorId", out _))
{
Console.WriteLine("Решение не удалось! Ответ: " + getTaskResponseString);
return null;
}
}
}
}
}
}
Работает бесшовно с Selenium для автоматизации форм с CAPTCHA!
Пример 4: Создание скриншотов с помощью Puppeteer Sharp
Хотите визуальное подтверждение вашего скрейпинга? Сделайте скриншот:
csharp
using PuppeteerSharp;
await new BrowserFetcher().DownloadAsync();
using var browser = await Puppeteer.LaunchAsync(new LaunchOptions { Headless = true });
using var page = await browser.NewPageAsync();
await page.GoToAsync("https://www.scrapethissite.com/pages/javascript/");
await page.ScreenshotAsync("screenshot.png");
Идеально подходит для отладки или архивирования страниц.
Советы для веб-скрейпинга в 2025 году
- Уважайте robots.txt: Сначала проверьте https://www.scrapethissite.com/robots.txt.
- Ограничение скорости: Добавьте задержки с помощью
Thread.Sleep(2000), чтобы не перегружать серверы. - Вращение User-Agent: Имитируйте реальные браузеры, чтобы избежать обнаружения.
- Обработка ошибок: Оберните код в блоки
try-catchдля обработки сетевых проблем.
Дисклеймер о соблюдении: Информация, представленная в этом блоге, предназначена только для справочных целей. CapSolver обязуется соблюдать все применимые законы и нормы. Использование сети CapSolver для незаконной, мошеннической или злоупотребляющей деятельности строго запрещено и будет расследовано. Наши решения для распознавания капчи улучшают пользовательский опыт, обеспечивая 100% соблюдение при помощи в решении трудностей с капчей в процессе сбора общедоступных данных. Мы призываем к ответственному использованию наших услуг. Для получения дополнительной информации, пожалуйста, посетите наши Условия обслуживания и Политику конфиденциальности.
Ещеe

Лучшие User Agent'ы для веб-скрапинга и как их использовать
Руководство по лучшим user agent'ам для веб-скрапинга и их эффективному использованию для предотвращения обнаружения. Изучите важность user agent'ов, их типов и способы их реализации для бесшовного и незаметного веб-скрапинга.

Nikolai Smirnov
07-Mar-2025

Как обойти защиту Cloudflare JS при веб-скрапинге и автоматизации
Научитесь решать JavaScript-вызов Cloudflare для бесшовного веб-скрапинга и автоматизации. Откройте для себя эффективные стратегии, включая использование headless-браузеров, ротацию прокси и использование расширенных возможностей решения CAPTCHA от CapSolver.

Nikolai Smirnov
05-Mar-2025

Отпечатки TLS Cloudflare: что это и как это решить
Узнайте о применении Cloudflare TLS-фингерпринтинга в целях безопасности, как он обнаруживает и блокирует ботов, и изучите эффективные методы решения этой проблемы для веб-скрейпинга и автоматизированного просмотра.

Nikolai Smirnov
28-Feb-2025

Почему меня постоянно просят подтвердить, что я не робот?
Узнайте, почему Google запрашивает подтверждение того, что вы не робот, и изучите решения, такие как использование API CapSolver для эффективного решения задач CAPTCHA.

Nikolai Smirnov
27-Feb-2025

Как извлечь данные с сайта, защищенного Cloudflare
В этом руководстве мы рассмотрим этичные и эффективные методы извлечения данных с веб-сайтов, защищенных Cloudflare.

Ethan Collins
20-Feb-2025

Почему сайты считают меня ботом? И как это исправить
Поймите, почему веб-сайты помечают вас как бота, и как избежать обнаружения. Ключевыми триггерами являются задачи CAPTCHA, подозрительные IP-адреса и необычное поведение браузера.

Nikolai Smirnov
20-Feb-2025

