WPF CefSharp 爬虫

1、实际需求

             EMS邮件的自动分拣，要分拣首先需要获取邮件的面单号和邮寄地址，现在我们的快递一般都有纸质面单的，如果是直接使用图像识别技术从纸质面单中获取信息，这个开发的成本和实时性都很难保证，获取信息之后还要分别处理，出口件要分到全国的对应地区，进口件要分到所在地区的各个小区。所以要提前获取面单号和邮寄地址两个关键信息，处理完之后，直接把面单号和地址信息传给分拣设备。

 

2、客观情况

             邮政系统有自己的内网，办公系统，有查询的页面，暂时没有提供相关的接口开发，看来只能通过爬虫的相关技术获取这些关键信息了。

 

3、CefSharp（WPF）

             比较了解C#，这次准备用WPF来开发，之前用CefSharp做过一些混合开发，Html来做页面，后台用C#，可以访问一些本地资源，觉得这种组合比较适合我。看到这个需求，首先就是想到了用CefSharp来访问他们的内网系统，然后写JS来自动实现浏览页面，嵌入自定义的 funciton，访问后台的C#代码，保存需要的信息。

 

4、具体实现

             使用 CefSharp 的Browser.RegisterJsObject 注册自定义的 funciton ,这个一步是整个爬虫的重中之重，这样之后，就相当于可以控制浏览器的访问逻辑了，可以按照我们自己的设计流程来运行，这里面到底是如何运用和能发挥的能量，只取决于你的想象力。

   

1）注册自定义 function

 

2) 可以在 JS中访问的后台C#代码

 

3）JS中调用自定义funciton

 

 

5、总结

               整个过程中的关键环节是要让爬取的那个页面能访问到后台C#代码，CefSharp在爬虫中就相当于航空母舰级别的存在，是一个重量级的武器，可以不用自己写正则获取数据，它已经帮你解析好了，只用写JS脚本就可以了。