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

　　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