使用TaskManager爬取2万条代理IP实现自动投票功能-51CTO.COM

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。

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。

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();

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)); 
           } 
       }

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。