您的位置：首页 > 新闻资讯 > HTTP代理 > 正文

使用TaskManager爬取2万条代理IP实现自动投票功能

发布时间：2019年04月03日来源：http://http.hunbovps.com/News/getList/catid/8/id/252.html

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

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，比如飞蚁代理ip，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。

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>

<table>

<tr>

</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();

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

View Code

最终会获取2万多条数据

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

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。