好得很程序员自学网

<tfoot draggable='sEl'></tfoot>

C#爬虫通过代理刷文章浏览量

1.如何维护代理ip库?

想要使用代理ip,那就必须有一个一定数量、足够有效的代理ip库,在学习阶段,随便玩玩那就只能从免费的代理ip网站上抓取,没有一定数量的代理刷文章流浪量非常慢,首先就是要维护好自己的代理ip库

之前用过的西刺代理、66ip比较靠谱,西祠好像有反扒,遇到过一次,不知道是西祠网站的问题还是反扒的策略,这两个网站每分钟抓取的能用的代理大概有2,3个,这已经算的上比较客观的了, data5u、快代理、ip3366网页端更新的非常少,而且有效性比较低,快代理抓取网页还必须设置useragent,发现设置后获取的ip的端口和网页端不一致,很玩味是吧,没办法免费的就是这样,不然人家就收费了,当然付费的代理也不稳定,但肯定是比免费的好很多。

维护代理质量

从网页端抓取下来的代理,肯定是要经过验证再入库的,最简单的方式就是发起一个请求状态码是否为200。我推荐的免费代理还是上面两个西刺代理和66ip,相对其他的免费代理有效性、数量都比较高。

代理如何储存

我使用的是redis来存储这些有效代理,数据结构最好是采用set,不允许存储相同的ip。代理的有效性无法得知,有的可能是几十秒钟,有的几十分钟,在使用的时候应该记录那些多次不能使用的ip,达到一定次数,应该从set中删除掉。无法确定代理的时效,代理ip要及时使用,可以使用定时器定时从redis中取出代理。

2.反爬虫的一些常见的机制?

反爬虫的原则就是判断是否是一个真实的用户,一些比较重要的数据会利用多种机制混合,让爬虫的代价变大甚至无法爬取,header里面的字段设置、ip限制、cookie等

ip限制

一些网站为了防止爬虫,可能会对每个ip进行访问频率的限制,访问频率一个是速度,可以同thread.sleep来进行休眠,暂停一会儿再进行爬取;一个ip次数这个我们可以通过抓取的免费代理来设置。

header里的限制

user-agent :用户代理,这个非常简单,可以收集一些常见的浏览器代理头,在请求的时候随机设置user-agent

referer :访问目标链接是从哪个链接条过来的,做防图片的盗链可以用它来处理,当然这个refresh也是可以伪造。

cookie:登录后或其他的一些用户操作,服务端会返回一些cookie信息,没有cookie很容易被识别为伪造请求,可以在本地通过js,根据服务端返回的一些信息,本地区设置cooke,当然这个实际中并没有这么简单,一般会涉及到加密解密的过程。这个是爬虫的一个难点。

3.使用代理ip刷新csdn文章的浏览量

csdn文章的浏览量还是比较好刷的,前提的是你有足够多的代理,没有更多的代理效率会非常慢。前面一篇文章我们已经从几个免费的代理网站抓取了代理,这里就不多做介绍了,这里我们接着上一篇的拿来就用。c#批量抓取免费代理并验证有效性。1.我使用的多线程批量发送请求,效率更好,每个线程平均分配一定数量的代理执行请求。2.定时获取redis中代理3.使用system.collections.concurrent 命名空间下concurrentdictionary字典集合来统计失败的次数,如果达到一定次数就直接从库中删除该代理。关于代码中主要功能是实现,不足的地方就是代理太少,效率不高。

效果如图:

昨天晚上看了篇文章,(这里是随便csdn或者其他地方的有浏览量的文章),刷的时间不短,主要是因为代理太少了。

主要代码如下:

?

class program

  {

  static bool finishiscompleted= true ;

  static concurrentdictionary< string , int > failstatis; //保存请求失败的ip地址:key 失败次数:value

  static string refreshlink = "https://blog.csdn.net/baijifeilong/article/details/80734388" ;

  static string requestsuccesskey,requestfailkey;

  static async task main( string [] args)

  {

  

   threadpool.setminthreads(500, 100);

   failstatis = new concurrentdictionary< string , int >();

   requestsuccesskey = "list_request_success" +datetime.now.tostring( "hhmm" );

   requestfailkey = "list_request_fail" + datetime.now.tostring( "hhmm" );

   timer timer = new timer(async (state) =>

   {

   if (finishiscompleted)

   {

    finishiscompleted = false ;

    //获取代理

    var proxyips = redishelper.getproxy();

    int threadcount = 1;

    if (proxyips.count > 10)

    {

    threadcount = proxyips.count / 10;

    }

    //平均分配给每个thread执行15个请求

    int requestcount = proxyips.count / threadcount;

    for (var i = 0; i < threadcount; i++)

    {

    var templist = proxyips.getrange(i * requestcount, requestcount);

    if (i == threadcount - 1)

    {

     templist.addrange(proxyips.getrange(threadcount * requestcount, proxyips.count - threadcount * requestcount));

    }

    thread thread = new thread(async () =>

    {

     //执行发起请求

     await finish(templist);

    });

    thread.start();

    }

   }

   }, "processing timer event" , 0, 1000*30);

   console.readline();

  }

 

  public static async task finish(list< string > proxyips)

  {

   for ( int i = 0; i < proxyips.count; i++)

   {

   string ip = proxyips[i];

   int index = ip.indexof( ":" );

   string ipaddress = ip.substring(0, index);

   int ipport = int .parse(ip.substring(index + 1));

   //随机休眠

   thread.sleep( new random().next(1,4)*1000);

   await get (ipaddress, ipport, 10000, randomuseragent(), refreshlink, () =>

   {

    redishelper.addrequestok(requestsuccesskey,ip+ " " +datetime.now.toshorttimestring(), true );

    console.foregroundcolor = consolecolor.white;

    console.writeline(ip+ " success" );

   },

   (error) =>

   {

    redishelper.addrequestok(requestfailkey, ip + " " + datetime.now.toshorttimestring(), false );

    console.foregroundcolor = consolecolor.red;

    console.writeline(ipaddress+error+ "失败" +(failstatis.containskey(ip)?failstatis[ip] :1)+ "次" );

    if (failstatis.containskey(ip))

    {

    if (failstatis[ip] == 6)

    {

     redishelper.removesetvalue(ip);

    }

    else

     failstatis[ip]++;

    }

    else

    {

    failstatis.addorupdate(ip, 1,(key,oldvalue)=>oldvalue+1);

    }

   }

   );

   }

   finishiscompleted = true ;

  }

 

  private static string randomuseragent()

  {

   string [] usersagents = new string [] {

   "mozilla/5.0 (linux; u; android 2.3.7; en-us; nexus one build/frf91) applewebkit/533.1 (khtml, like gecko) version/4.0 mobile safari/533.1" ,

   "mqqbrowser/26 mozilla/5.0 (linux; u; android 2.3.7; zh-cn; mb200 build/grj22; cyanogenmod-7) applewebkit/533.1 (khtml, like gecko) version/4.0 mobile safari/533.1" ,

   "juc (linux; u; 2.3.7; zh-cn; mb200; 320*480) ucweb7.9.3.103/139/999" ,

   "mozilla/5.0 (windows nt 6.1; wow64; rv:7.0a1) gecko/20110623 firefox/7.0a1 fennec/7.0a1" ,

   "opera/9.80 (android 2.3.4; linux; opera mobi/build-1107180945; u; en-gb) presto/2.8.149 version/11.10" ,

   "mozilla/5.0 (linux; u; android 3.0; en-us; xoom build/hri39) applewebkit/534.13 (khtml, like gecko) version/4.0 safari/534.13" ,

   "mozilla/5.0 (iphone; u; cpu iphone os 3_0 like mac os x; en-us) applewebkit/420.1 (khtml, like gecko) version/3.0 mobile/1a542a safari/419.3" ,

   "mozilla/5.0 (iphone; u; cpu iphone os 4_0 like mac os x; en-us) applewebkit/532.9 (khtml, like gecko) version/4.0.5 mobile/8a293 safari/6531.22.7" ,

   "mozilla/5.0 (ipad; u; cpu os 3_2 like mac os x; en-us) applewebkit/531.21.10 (khtml, like gecko) version/4.0.4 mobile/7b334b safari/531.21.10" ,

   "mozilla/5.0 (blackberry; u; blackberry 9800; en) applewebkit/534.1+ (khtml, like gecko) version/6.0.0.337 mobile safari/534.1+" ,

   "mozilla/5.0 (hp-tablet; linux; hpwos/3.0.0; u; en-us) applewebkit/534.6 (khtml, like gecko) wosbrowser/233.70 safari/534.6 touchpad/1.0" ,

   "mozilla/5.0 (symbianos/9.4; series60/5.0 nokian97-1/20.0.019; profile/midp-2.1 configuration/cldc-1.1) applewebkit/525 (khtml, like gecko) browserng/7.1.18124" ,

   "mozilla/5.0 (compatible; msie 9.0; windows phone os 7.5; trident/5.0; iemobile/9.0; htc; titan)" ,

   "mozilla/5.0 (windows nt 6.1) applewebkit/537.36 (khtml, like gecko) chrome/41.0.2228.0 safari/537.36" ,

   "mozilla/5.0 (macintosh; intel mac os x 10_10_1) applewebkit/537.36 (khtml, like gecko) chrome/41.0.2227.1 safari/537.36" ,

   "mozilla/5.0 (x11; u; linux x86_64; zh-cn; rv:1.9.2.10) gecko/20100922 ubuntu/10.10 (maverick) firefox/3.6.10" ,

   "mozilla/5.0 (windows nt 5.1; u; en; rv:1.8.1) gecko/20061208 firefox/2.0.0 opera 9.50" ,

   "mozilla/5.0 (windows nt 6.1; wow64) applewebkit/534.57.2 (khtml, like gecko) version/5.1.7 safari/534.57.2" ,

   "mozilla/5.0 (windows nt 6.1; wow64) applewebkit/537.36 (khtml, like gecko) chrome/30.0.1599.101 safari/537.36" ,

   "mozilla/5.0 (compatible; msie 9.0; windows nt 6.1; wow64; trident/5.0; slcc2; .net clr 2.0.50727; .net clr 3.5.30729; .net clr 3.0.30729; media center pc 6.0; .net4.0c; .net4.0e; lbbrowser) " ,

   "mozilla/5.0 (compatible; msie 9.0; windows nt 6.1; wow64; trident/5.0; slcc2; .net clr 2.0.50727; .net clr 3.5.30729; .net clr 3.0.30729; media center pc 6.0; .net4.0c; .net4.0e; qqbrowser/7.0.3698.400)" ,

   "mozilla/5.0 (windows nt 6.1; wow64) applewebkit/537.36 (khtml, like gecko) chrome/38.0.2125.122 ubrowser/4.0.3214.0 safari/537.36" ,

   "mozilla/5.0 (linux; u; android 2.2.1; zh-cn; htc_wildfire_a3333 build/frg83d) applewebkit/533.1 (khtml, like gecko) version/4.0 mobile safari/533.1" ,

   "mozilla/5.0 (blackberry; u; blackberry 9800; en) applewebkit/534.1+ (khtml, like gecko) version/6.0.0.337 mobile safari/534.1+" ,

   "mozilla/5.0 (compatible; msie 9.0; windows phone os 7.5; trident/5.0; iemobile/9.0; htc; titan)" ,

   "mozilla/4.0 (compatible; msie 6.0; ) opera/ucweb7.0.2.37/28/999" ,

   "openwave/ ucweb7.0.2.37/28/999" ,

   "nokia5700/ ucweb7.0.2.37/28/999" ,

   "ucweb7.0.2.37/28/999" ,

   "mozilla/5.0 (hp-tablet; linux; hpwos/3.0.0; u; en-us) applewebkit/534.6 (khtml, like gecko) wosbrowser/233.70 safari/534.6 touchpad/1.0" ,

   "mozilla/5.0 (linux; u; android 3.0; en-us; xoom build/hri39) applewebkit/534.13 (khtml, like gecko) version/4.0 safari/534.13" ,

   "opera/9.80 (android 2.3.4; linux; opera mobi/build-1107180945; u; en-gb) presto/2.8.149 version/11.10" ,

   "mozilla/5.0 (ipad; u; cpu os 4_3_3 like mac os x; en-us) applewebkit/533.17.9 (khtml, like gecko) version/5.0.2 mobile/8j2 safari/6533.18.5" ,

   };

   random random = new random();

   var randomnumber = random.next(0, usersagents.length);

   return usersagents[randomnumber];

  }

  public static async task get ( string proxyip, int proxyport, int timeout, string randomuseragent, string url, action success, action< string > fail)

  {

   httpwebrequest request = null ;

   httpwebresponse response = null ;

   try

   {

   request = (httpwebrequest)webrequest.create(url);

   request.timeout = timeout;

   request.useragent = randomuseragent;

   request.proxy = new webproxy(proxyip,proxyport);

 

   response = await request.getresponseasync() as httpwebresponse;

  

   if (response.statuscode == httpstatuscode.ok)

   {

    success();

   }

   else

   {

    fail(response+ ":" +response.statusdescription);

   }

   }

   catch (exception ex)

   {

   fail(ex.message.tostring());

   }

   finally

   {

   if (request != null )

   {

    request.abort();

    request = null ;

   }

   if (response != null )

   {

    response.close();

    response = null ;

   }

   }

  }

  }

redishelper.cs

?

public class redishelper

  {

  private static readonly object locker = new object ();

  private static connectionmultiplexer _redis;

  private const string connecttionstring = "127.0.0.1:6379,defaultdatabase=3" ;

  public const string redis_set_ket_success = "set_success_ip" ;

  private static connectionmultiplexer manager

  {

   get

   {

   if (_redis == null )

   {

    lock (locker)

    {

    if (_redis != null ) return _redis;

    _redis = getmanager();

    return _redis;

    }

   }

   return _redis;

   }

  }

  private static connectionmultiplexer getmanager( string connectionstring = null )

  {

   if ( string .isnullorempty(connectionstring))

   {

   connectionstring = connecttionstring;

   }

   return connectionmultiplexer.connect(connectionstring);

  }

  public static void addrequestok( string key, string value, bool issuccess)

  {

   var db = manager.getdatabase();

   if (issuccess)

   db.listleftpush(key,value);

   else

   db.listleftpush(key, value);

  }

  public static list< string > getproxy()

  {

   list< string > result = new list< string >();

   var db = manager.getdatabase();

   var values = db.setmembers(redis_set_ket_success);

   foreach (var value in values)

   {

   result.add(value.tostring());

   }

   return result;

  }

  public static bool insertset( string value)

  {

   var db = manager.getdatabase();

   return db.setadd(redis_set_ket_success, value);

  }

  public static bool removesetvalue( string value)

  {

   var db = manager.getdatabase();

   return db.setremove(redis_set_ket_success,value);

  }

  }

原文链接:https://www.cnblogs.com/zhangmumu/p/9275383.html

dy("nrwz");

查看更多关于C#爬虫通过代理刷文章浏览量的详细内容...

  阅读:50次