首页 > 学院 > 开发设计 > 正文

使用TaskManager爬取2万条代理IP实现自动投票功能

2019-11-14 13:58:49
字体:
来源:转载
供稿:网友

  话说某天心血来潮想到一个问题,朋友圈里面经常有人发投票链接,让帮忙给XX投票,以前呢会很自觉打开链接帮忙投一票。可是这种事做多了就会考虑能不能使用工具来进行投票呢,身为一名程序猿决定研究解决这个问题。于是有了以下思考

  1.是否能一个人投多票,如果不行又是什么限制了一人投多票?

  答:投票网站限制了一个ip或者一个用户只能投一票,防止恶意刷票行为

  2.如果是一个IP一票那是否代表着多个IP就能投多票了呢?

  答:答案是肯定的

  3.用什么方法能够在代码里面改变自己请求的IP?

  答:HTTP请求的时候设置代理IP

  4.多个代理IP从哪里获取,获取到之后我又该如何使用代码自动化投票?

  答:请看文章后面内容

  本篇将介绍TaskManager内置任务-代理IP爬虫实现细节,你需要准备的知识:HtmlAgilityPack解析HTML,Quart.net。

阅读目录

  • 代理IP介绍
  • HtmlAgilityPack使用
  • 代理IP爬虫实现
  • 自动投票简单实现
  • 总结
回到顶部

代理IP介绍

  百度百科介绍:代理(英语:PRoxy),也称网络代理,是一种特殊的网络服务,允许一个网络终端(一般为客户端)通过这个服务与另一个网络终端(一般为服务器)进行非直接的连接。一些网关、路由器等网络设备具备网络代理功能。一般认为代理服务有利于保障网络终端的隐私或安全,防止攻击。

  目前有很多厂商提供代理IP在线获取,但是很多都是提供几十个试用的,如果想使用更多的代理IP,则需付费购买。这里我找到了一个提供很多代理IP的网站,可以自行百度“代理ip”(以免认为我打广告),或者参考开源TaskManager介绍这篇文章。

  有了这么多在线的代理IP可以解决文章开头的问题4了,可是还有个问题这些数据都是网页上的,我在代码里面怎么使用呢?这就用到了HtmlAgilityPack工具包,看名称就能猜到是用来解析HTML的。

回到顶部

HtmlAgilityPack使用

  HtmlAgilityPack是一个开源的解析HTML元素的类库,最大的特点是可以通过XPath来解析HMTL,如果您以前用C#操作过xml,那么使用起HtmlAgilityPack也会得心应手。

  解析简单的HTML

string HTML = @"<html><head><title>简单解析测试</title></head><body>                    <div id='div1' title='div1'>                        <table>                             <tr>                                <td>1</td>                                <td title='cn'>cn</td>                            </tr>                        </table>                    </div>                </body></html>";            var doc = new HtmlDocument();            doc.LoaDHTML(HTML);            //输出页面标题            Console.WriteLine("页面title:"+doc.DocumentNode.SelectSingleNode("/html/head/title").InnerText);            //获取div1节点  方式1            HtmlNode divNode1 = doc.GetElementbyId("div1");            //获取div1节点  方式2            HtmlNode divNode2 = doc.DocumentNode.SelectSingleNode("//div[@id='div1']");            //判断节点1和节点2是否相同            Console.WriteLine("断节点1和节点2是否相同:" + (divNode1 == divNode2));            //获取页面所有table            HtmlNodeCollection tableCollection = doc.DocumentNode.SelectNodes("//table");            Console.WriteLine("页面table数量:"+tableCollection.Count);            //获取table下所有td并输出信息            HtmlNodeCollection tdCollection = tableCollection[0].SelectNodes("tr/td");            foreach (var td in tdCollection)            {                HtmlAttribute atr = td.Attributes["title"];                Console.WriteLine("td InnerText:" + td.InnerText + " | td title属性值:" + (atr == null ? "" : atr.Value));            }            Console.Read();

 

回到顶部

代理IP爬虫实现

  会了HtmlAgilityPack的一些简单操作之后进入正式爬取过程,由于需要爬取的网页带IP封锁功能(一段时间请求频率过高封锁当前IP),在设计过程中我采用了爬取五次自动换代理IP突破网站限制(感觉自己坏坏的)。

 

              整体实现逻辑

  在.net里面使用WebRequest可以模拟HTTP的get Post请求,最终要的一点能设置请求时使用的代理IP,重点关注我标红的代码

/// <summary>        /// 代理使用示例        /// </summary>        /// <param name="Url"></param>        /// <param name="type"></param>        /// <returns></returns>        public static string GetUrltoHtml(string Url, string type)        {            try            {                var request = (HttpWebRequest)WebRequest.Create(Url);          request.UserAgent = "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0)";                WebProxy myProxy = new WebProxy("192.168.15.11", 8015);                //建议连接(代理需要身份认证,才需要用户名密码)                myProxy.Credentials = new NetworkCredential("admin", "123456");                //设置请求使用代理信息                request.Proxy = myProxy;                // Get the response instance.                System.Net.WebResponse wResp = request.GetResponse();                System.IO.Stream respStream = wResp.GetResponseStream();                // Dim reader As StreamReader = New StreamReader(respStream)                using (System.IO.StreamReader reader = new System.IO.StreamReader(respStream, Encoding.GetEncoding(type)))                {                    return reader.ReadToEnd();                }            }            catch (System.Exception ex)            {                //errorMsg = ex.Message;            }            return "";        }

  了解如何使用代理IP,离我们的目标又近了一步,下面就是代理IP获取的实现了,由于代码有点多,我这里只贴出重要部分,IpProxyGet.cs源码可到文章末尾自行下载。

        /// <summary>        /// 获取总页数        /// </summary>        /// <returns>总页数</returns>        private static int GetTotalPage(string IPURL, string ProxyIp)        {            var doc = new HtmlDocument();            doc.LoadHtml(GetHTML(IPURL, ProxyIp));            var res = doc.DocumentNode.SelectNodes(@"//div[@class='pagination']/a");            if (res != null && res.Count > 2)            {                int page;                if (int.TryParse(res[res.Count - 2].InnerText, out page))                {                    return page;                }            }            return 1;        }

 解析每一页HTML数据

 /// <summary>        /// 解析每一页数据        /// </summary>        /// <param name="param"></param>        private static void DoWork(object param)        {            //参数还原            Hashtable table = param as Hashtable;            int start = Convert.ToInt32(table["start"]);            int end = Convert.ToInt32(table["end"]);            List<IPProxy> list = table["list"] as List<IPProxy>;            ProxyParam Param = table["param"] as ProxyParam;            //页面地址            string url = string.Empty;            string ip = string.Empty;            IPProxy item = null;            HtmlNodeCollection nodes = null;            HtmlNode node = null;            HtmlAttribute atr = null;            for (int i = start; i <= end; i++)            {                LogHelper.WriteLog(string.Format("开始解析,页码{0}~{1},当前页码{2}", start, end, i));                url = string.Format("{0}/{1}", Param.IPUrl, i);                var doc = new HtmlDocument();                doc.LoadHtml(GetHTML(url, Param.ProxyIp));                //获取所有数据节点tr                var trs = doc.DocumentNode.SelectNodes(@"//table[@id='ip_list']/tr");                if (trs != null && trs.Count > 1)                {                    LogHelper.WriteLog(string.Format("当前页码{0},请求地址{1},共{2}条数据", i, url, trs.Count));                    for (int j = 1; j < trs.Count; j++)                    {                        nodes = trs[j].SelectNodes("td");                        if (nodes != null && nodes.Count > 9)                        {                            ip = nodes[2].InnerText.Trim();                            if (Param.IsPingIp && !Ping(ip))                            {                                continue;                            }                            //有效的IP才添加                            item = new IPProxy();                            node = nodes[1].FirstChild;                            if (node != null)                            {                                atr = node.Attributes["alt"];                                if (atr != null)                                {                                    item.Country = atr.Value.Trim();                                }                            }                            item.IP = ip;                            item.Port = nodes[3].InnerText.Trim();                            item.ProxyIp = GetIP(item.IP, item.Port);                            item.Position = nodes[4].InnerText.Trim();                            item.Anonymity = nodes[5].InnerText.Trim();                            item.Type = nodes[6].InnerText.Trim();                            node = nodes[7].SelectSingleNode("div[@class='bar']");                            if (node != null)                            {                                atr = node.Attributes["title"];                                if (atr != null)                                {                                    item.Speed = atr.Value.Trim();                                }                            }                            node = nodes[8].SelectSingleNode("div[@class='bar']");                            if (node != null)                            {                                atr = node.Attributes["title"];                                if (atr != null)                                {                                    item.ConnectTime = atr.Value.Trim();                                }                            }                            item.VerifyTime = nodes[9].InnerText.Trim();                            list.Add(item);                        }                    }                    LogHelper.WriteLog(string.Format("当前页码{0},共{1}条数据", i, trs.Count));                }                LogHelper.WriteLog(string.Format("结束解析,页码{0}~{1},当前页码{2}", start, end, i));            }        }
View Code

 最终会获取2万多条数据

回到顶部

自动投票简单实现

  这里使用.net的WebBrowser控件来加载页面,最终效果如下

 #region 设置代理IP        private void button2_Click(object sender, EventArgs e)        {            string proxy = this.textBox1.Text;            RefreshIESettings(proxy);            IEProxy ie = new IEProxy(proxy);            ie.RefreshIESettings();            //MessageBox.Show(ie.RefreshIESettings().ToString());        }        #endregion        #region 取消代理IP        private void button3_Click(object sender, EventArgs e)        {            IEProxy ie = new IEProxy(null);            ie.DisableIEProxy();        }        #endregion        #region 打开网页        private void button1_Click(object sender, EventArgs e)        {            string url = txt_url.Text.Trim();            if (string.IsNullOrEmpty(url))            {                MessageBox.Show("请输入要打开的网址");                return;            }            this.webBrowser1.Navigate(url, null, null, null);        }        #endregion

 

回到顶部

总结

      本篇要介绍的内容到此结束了,下面写点我的期待!希望有喜欢的朋友一起来完善TaskManager(完全开源的),使之成为一款能够提高生活便捷性的工具,添加很多新任务。比如:第二天要下雨或者下雪,发个邮件提醒,带上雨伞...。好了到了放出源代码的时间了。敬请期待下一篇!

  简单投票源代码:http://files.VEVb.com/files/yanweidie/SimpleIP.rar

      TaskManagerSVN地址:http://code.taobao.org/svn/TaskManagerPub/Branch   使用svn checkout指令进行下载。

  GitHub地址:https://github.com/CrazyJson/TaskManager

      体验工具下载地址:TaskManager  解压后文件执行合并SQL,修改Config.xml数据库连接,使用WSWinForm进行安装。

      


发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表