使用TaskManager爬取2萬條代理IP實現自動投票功能

2015-09-21 11:06:48

開發后端前端

話說某天心血來潮想到一個問題，朋友圈里面經常有人發投票鏈接，讓幫忙給XX投票，以前呢會很自覺打開鏈接幫忙投一票。可是這種事做多了就會考慮能不能使用工具來進行投票呢，身為一名程序猿決定研究解決這個問題。于是有了以下思考

1.是否能一個人投多票,如果不行又是什么限制了一人投多票?

答：投票網站限制了一個IP或者一個用戶只能投一票,防止惡意刷票行為

2.如果是一個IP一票那是否代表著多個IP就能投多票了呢?

答：答案是肯定的

3.用什么方法能夠在代碼里面改變自己請求的IP?

答：HTTP請求的時候設置代理IP

4.多個代理IP從哪里獲取,獲取到之后我又該如何使用代碼自動化投票？

答：請看文章后面內容

本篇將介紹TaskManager內置任務-代理IP爬蟲實現細節,你需要準備的知識：HtmlAgilityPack解析HTML,Quart.net。

代理IP介紹

百度百科介紹：代理（英語：Proxy），也稱網絡代理，是一種特殊的網絡服務，允許一個網絡終端（一般為客戶端）通過這個服務與另一個網絡終端（一般為服務器）進行非直接的連接。一些網關、路由器等網絡設備具備網絡代理功能。一般認為代理服務有利于保障網絡終端的隱私或安全，防止攻擊。

目前有很多廠商提供代理IP在線獲取,但是很多都是提供幾十個試用的，如果想使用更多的代理IP，則需付費購買。這里我找到了一個提供很多代理IP的網站，可以自行百度“代理ip”(以免認為我打廣告)，或者參考開源TaskManager介紹這篇文章。

有了這么多在線的代理IP可以解決文章開頭的問題4了，可是還有個問題這些數據都是網頁上的，我在代碼里面怎么使用呢？這就用到了HtmlAgilityPack工具包，看名稱就能猜到是用來解析HTML的。

HtmlAgilityPack使用

HtmlAgilityPack是一個開源的解析HTML元素的類庫，最大的特點是可以通過XPath來解析HMTL，如果您以前用C#操作過XML，那么使用起HtmlAgilityPack也會得心應手。

解析簡單的HTML

string HTML = @"<html><head><title>簡單解析測試</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); 
            //輸出頁面標題 
            Console.WriteLine("頁面title:"+doc.DocumentNode.SelectSingleNode("/html/head/title").InnerText); 
            //獲取div1節點  方式1 
            HtmlNode divNode1 = doc.GetElementbyId("div1"); 
            //獲取div1節點  方式2 
            HtmlNode divNode2 = doc.DocumentNode.SelectSingleNode("//div[@id='div1']"); 
            //判斷節點1和節點2是否相同 
            Console.WriteLine("斷節點1和節點2是否相同:" + (divNode1 == divNode2)); 
            //獲取頁面所有table 
            HtmlNodeCollection tableCollection = doc.DocumentNode.SelectNodes("//table"); 
            Console.WriteLine("頁面table數量:"+tableCollection.Count); 
            //獲取table下所有td并輸出信息 
            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屬性值:" + (atr == null ? "" : atr.Value)); 
            } 
            Console.Read();

代理IP爬蟲實現

會了HtmlAgilityPack的一些簡單操作之后進入正式爬取過程,由于需要爬取的網頁帶IP封鎖功能(一段時間請求頻率過高封鎖當前IP)，在設計過程中我采用了爬取五次自動換代理IP突破網站限制(感覺自己壞壞的)。

整體實現邏輯

在.net里面使用WebRequest可以模擬HTTP的get Post請求,最終要的一點能設置請求時使用的代理IP，重點關注我標紅的代碼

/// <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); 
                //建議連接（代理需要身份認證，才需要用戶名密碼） 
                myProxy.Credentials = new NetworkCredential("admin", "123456"); 
                //設置請求使用代理信息 
                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，離我們的目標又近了一步，下面就是代理IP獲取的實現了,由于代碼有點多，我這里只貼出重要部分，IpProxyGet.cs源碼可到文章末尾自行下載。

/// <summary> 
  /// 獲取總頁數 
  /// </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; 
  }

解析每一頁HTML數據

/// <summary> 
       /// 解析每一頁數據 
       /// </summary> 
       /// <param name="param"></param> 
       private static void DoWork(object param) 
       { 
           //參數還原 
           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("開始解析,頁碼{0}~{1},當前頁碼{2}", start, end, i)); 
               url = string.Format("{0}/{1}", Param.IPUrl, i); 
               var doc = new HtmlDocument(); 
               doc.LoadHtml(GetHTML(url, Param.ProxyIp)); 
               //獲取所有數據節點tr 
               var trs = doc.DocumentNode.SelectNodes(@"//table[@id='ip_list']/tr"); 
               if (trs != null && trs.Count > 1) 
               { 
                   LogHelper.WriteLog(string.Format("當前頁碼{0},請求地址{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("當前頁碼{0},共{1}條數據", i, trs.Count)); 
               } 
               LogHelper.WriteLog(string.Format("結束解析,頁碼{0}~{1},當前頁碼{2}", start, end, i)); 
           } 
       }

最終會獲取2萬多條數據

自動投票簡單實現

這里使用.net的WebBrowser控件來加載頁面，最終效果如下

#region 設置代理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("請輸入要打開的網址"); 
                return; 
            } 
            this.webBrowser1.Navigate(url, null, null, null); 
        } 
        #endregion

總結

本篇要介紹的內容到此結束了，下面寫點我的期待！希望有喜歡的朋友一起來完善TaskManager(完全開源的),使之成為一款能夠提高生活便捷性的工具，添加很多新任務。比如：第二天要下雨或者下雪，發個郵件提醒，帶上雨傘…。好了到了放出源代碼的時間了。敬請期待下一篇！

簡單投票源代碼：http://files.cnblogs.com/files/yanweidie/SimpleIP.rar

TaskManagerSVN地址：http://code.taobao.org/svn/TaskManagerPub/Branch 使用svn checkout指令進行下載。

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

體驗工具下載地址：TaskManager 解壓后文件執行合并SQL,修改Config.xml數據庫連接,使用WSWinForm進行安裝。

責任編輯：王雪燕來源：焰尾迭

IP實現自動投票功能