转载

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();

使用TaskManager爬取2万条代理IP实现自动投票功能

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)。

使用TaskManager爬取2万条代理IP实现自动投票功能

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

使用TaskManager爬取2万条代理IP实现自动投票功能

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

使用TaskManager爬取2万条代理IP实现自动投票功能

#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