使用TaskManager爬取2万条代理IP实现自动投票功能

使用TaskManager爬取2万条代理IP实现自动投票功能

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
   {
       System.Net.WebRequest wReq = System.Net.WebRequest.Create(Url);
     	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
       wReq.Proxy = myProxy;
       // Get the response instance.
       System.Net.WebResponse wResp = wReq.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.cnblogs.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。

如果,您认为阅读这篇博客让您有些收获,不妨点击一下右下角的 推荐按钮。

如果,您希望更容易地发现我的新博客,不妨点击一下绿色通道的 关注我

因为,我的写作热情也离不开您的肯定支持。

感谢您的阅读,如果您对我的博客所讲述的内容有兴趣,请继续关注我的后续博客,我是焰尾迭 。

Comments are closed.