PuppeteerSharp：在.NET中驾驭浏览器的强大工具

郑子铭

发布于 2025-04-20 17:05:20

14800

代码可运行

文章被收录于专栏：DotNet NB && CloudNativeDotNet NB && CloudNative

运行总次数：0

代码可运行

在现代Web开发和自动化测试中， PuppeteerSharp 是一个强大的库，它允许我们在没有图形界面的情况下运行浏览器，从而实现网页自动化操作、数据抓取、截图和生成PDF等功能。

特性

1. 功能强大：PuppeteerSharp 提供了丰富的API，可以实现网页导航、元素选择、截图、生成PDF、模拟用户操作等功能。
2. 跨平台兼容：它支持.NET Core和.NET Framework，可以在Windows、Linux和macOS上运行。
3. 与.NET生态无缝集成：对于熟悉C#的我们来说，PuppeteerSharp 提供了直观的API，易于上手。
4. 社区支持：PuppeteerSharp 拥有一个活跃的开源社区，我们可以轻松找到支持和解决方案。

安装 PuppeteerSharp

Install-Package PuppeteerSharp

此外，还需要下载Chromium浏览器的二进制文件。PuppeteerSharp 提供了一个工具类 BrowserFetcher 来完成

await new BrowserFetcher().DownloadAsync(BrowserFetcher.DefaultRevision);

PuppeteerSharp 的用法

初始化浏览器

var browser = await Puppeteer.LaunchAsync(new LaunchOptions { Headless = true });
var page = await browser.NewPageAsync();
//在这里，`Headless = true` 表示浏览器以后台模式运行。如果你希望看到浏览器界面，可以将其设置为 `false`。

打开网页

await page.GoToAsync("https://www.dotnetshare.com/");

截图

await page.ScreenshotAsync("example.png", new ScreenshotOptions { FullPage = true });

FullPage = true 表示截取整个页面，而不仅仅是当前视口。

生成PDF

await page.PdfAsync("example.pdf", new PdfOptions { Format = PaperFormat.A4 });

可以通过 PdfOptions 设置纸张大小、方向等参数。

模拟用户操作

点击按钮

await page.ClickAsync("#buttonId");

填写表单

await page.TypeAsync("#inputId", "输入的文本");

提交表单

await page.SubmitAsync("#formId");

提取页面数据

提取文本内容

var textContent = await page.EvaluateExpressionAsync<string>("document.querySelector('#elementId').textContent");

提取属性值

var attributeValue = await page.EvaluateExpressionAsync<string>("document.querySelector('#elementId').getAttribute('attributeName')");

关闭浏览器

完成操作后，记得关闭浏览器

await browser.CloseAsync();

高级用法

设置代理

需要使用代理服务器，可以在启动浏览器时配置

var proxy = new ProxyOptions
{
    Server = "proxy.xxx.com",
    Port = 8080,
    Username = "username",
    Password = "password"
};

var browser = await Puppeteer.LaunchAsync(new LaunchOptions
{
    Headless = true,
    Args = new[] { $"proxy-server=http://{proxy.Server}:{proxy.Port}" }
});

等待页面加载

对于动态加载的页面，可以使用 WaitForSelectorAsync 或 WaitForFunctionAsync 等方法：

await page.WaitForSelectorAsync("div.main-content");

实际案例：抓取LinkedIn页面

我们需要抓取某个用户的公开信息：

using PuppeteerSharp;
using System;
using System.Threading.Tasks;

classProgram
{
    public static async Task Main()
    {
        // 下载浏览器组件
        awaitnew BrowserFetcher().DownloadAsync(BrowserFetcher.DefaultRevision);

        // 启动浏览器
        var browser = await Puppeteer.LaunchAsync(new LaunchOptions { Headless = false });

        // 打开新页面
        var page = await browser.NewPageAsync();

        // 导航到LinkedIn页面
        await page.GoToAsync("https://www.linkedin.com/in/username");

        // 等待页面加载完成
        await page.WaitForSelectorAsync("div.profile");

        // 提取用户信息
        var name = await page.EvaluateExpressionAsync<string>("document.querySelector('.text-heading-xlarge').textContent");
        var headline = await page.EvaluateExpressionAsync<string>("document.querySelector('.text-body-medium').textContent");

        Console.WriteLine($"Name: {name}");
        Console.WriteLine($"Headline: {headline}");

        // 关闭浏览器
        await browser.CloseAsync();
    }
}