應用TaskManager爬取2萬條署理IP完成主動投票功效。本站提示廣大學習愛好者:(應用TaskManager爬取2萬條署理IP完成主動投票功效)文章只能為提供參考,不一定能成為您想要的結果。以下是應用TaskManager爬取2萬條署理IP完成主動投票功效正文
1.能否能一小我投多票,假如不可又是甚麼限制了一人投多票?
答:投票網站限制了一個IP或許一個用戶只能投一票,避免歹意刷票行動
2.假如是一個IP一票那能否代表著多個IP就可以投多票了呢?
答:謎底是確定的
3.用甚麼辦法可以或許在代碼外面轉變本身要求的IP?
答:HTTP要求的時刻設置署理IP
4.多個署理IP從哪裡獲得,獲得到以後我又該若何應用代碼主動化投票?
答:請看文章前面內容
本篇將引見TaskManager內置義務-署理IP爬蟲完成細節,你須要預備的常識:HtmlAgilityPack解析HTML,Quart.net。
署理IP引見
百度百科引見:署理(英語:Proxy),也稱收集署理,是一種特別的收集辦事,許可一個收集終端(普通為客戶端)經由過程這個辦事與另外一個收集終端 (普通為辦事器)停止非直接的銜接。一些網關、路由器等收集裝備具有收集署理功效。普通以為署理辦事有益於保證收集終真個隱私或平安,避免進擊。
今朝有許多廠商供給署理IP在線獲得,然則許多都是供給幾十個試用的,假如想應用更多的署理IP,則需付費購置。這裡我找到了一個供給許多署理IP的網站,可以自行百度“署理ip”(以避免以為我打告白),或許參考開源TaskManager引見這篇文章。
有了這麼多在線的署理IP可以處理文章開首的成績4了,可是還有個成績這些數據都是網頁上的,我在代碼外面怎樣應用呢?這就用到了HtmlAgilityPack對象包,看稱號就可以猜到是用來解析HTML的。
HtmlAgilityPack應用
HtmlAgilityPack是一個開源的解析HTML元素的類庫,最年夜的特色是可以經由過程XPath來解析HMTL,假如您之前用C#操作過XML,那末應用起HtmlAgilityPack也會輕車熟路。
解析簡略的HTML
string HTML = @"<html><head><title>簡略解析測試</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); //輸入頁面題目 Console.WriteLine("頁面title:"+doc.DocumentNode.SelectSingleNode("/html/head/title").InnerText); //獲得div1節點 方法1 HtmlNode divNode1 = doc.GetElementbyId("div1"); //獲得div1節點 方法2 HtmlNode divNode2 = doc.DocumentNode.SelectSingleNode("//div[@id='div1']"); //斷定節點1和節點2能否雷同 Console.WriteLine("斷節點1和節點2能否雷同:" + (divNode1 == divNode2)); //獲得頁面一切table HtmlNodeCollection tableCollection = doc.DocumentNode.SelectNodes("//table"); Console.WriteLine("頁面table數目:"+tableCollection.Count); //獲得table下一切td並輸入信息 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屬性值:" + (atr == null ? "" : atr.Value)); } Console.Read();
回
署理IP爬蟲完成
會了HtmlAgilityPack的一些簡略操作以後進入正式爬取進程,因為須要爬取的網頁帶IP封閉功效(一段時光要求頻率太高封閉以後IP),在設計進程中我采取了爬取五次主動換署理IP沖破網站限制(感到本身壞壞的)。
全體完成邏輯
在.net外面應用WebRequest可以模仿HTTP的get Post要求,終究要的一點能設置要求時應用的署理IP,重點存眷我標紅的代碼
/// <summary> /// 署理應用示例 /// </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); //建議銜接(署理須要身份認證,才須要用戶名暗碼) myProxy.Credentials = new NetworkCredential("admin", "123456"); //設置要求應用署理信息 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 ""; }
懂得若何應用署理IP,離我們的目的又近了一步,上面就是署理IP獲得的完成了,因為代碼有點多,我這裡只貼出主要部門,IpProxyGet.cs源碼可到文章末尾自行下載。
/// <summary> /// 獲得總頁數 /// </summary> /// <returns>總頁數</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; }
解析每頁HTML數據
/// <summary> /// 解析每頁數據 /// </summary> /// <param name="param"></param> private static void DoWork(object param) { //參數復原 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; //頁面地址 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("開端解析,頁碼{0}~{1},以後頁碼{2}", start, end, i)); url = string.Format("{0}/{1}", Param.IPUrl, i); var doc = new HtmlDocument(); doc.LoadHtml(GetHTML(url, Param.ProxyIp)); //獲得一切數據節點tr var trs = doc.DocumentNode.SelectNodes(@"//table[@id='ip_list']/tr"); if (trs != null && trs.Count > 1) { LogHelper.WriteLog(string.Format("以後頁碼{0},要求地址{1},共{2}條數據", 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; } //有用的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("以後頁碼{0},共{1}條數據", i, trs.Count)); } LogHelper.WriteLog(string.Format("停止解析,頁碼{0}~{1},以後頁碼{2}", start, end, i)); } }
終究會獲得2萬多條數據
主動投票簡略完成
這裡應用.net的WebBrowser控件來加載頁面,終究後果以下
#region 設置署理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 撤消署理IP private void button3_Click(object sender, EventArgs e) { IEProxy ie = new IEProxy(null); ie.DisableIEProxy(); } #endregion #region 翻開網頁 private void button1_Click(object sender, EventArgs e) { string url = txt_url.Text.Trim(); if (string.IsNullOrEmpty(url)) { MessageBox.Show("請輸出要翻開的網址"); return; } this.webBrowser1.Navigate(url, null, null, null); } #endregion
總結
本篇要引見的內容到此停止了,上面寫點我的等待!願望有愛好的同伙一路來完美TaskManager(完整開源的),使之成為一款可以或許進步生涯便捷 性的對象,添加許多新義務。好比:第二天要下雨或許下雪,發個郵件提示,帶上雨傘…。好了到了放出源代碼的時光了。敬請等待下一篇!