C#爬蟲如何通過代理刷文章瀏覽量

這篇文章主要為大家展示了“C#爬蟲如何通過代理刷文章瀏覽量”，內(nèi)容簡而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領(lǐng)大家一起研究并學(xué)習(xí)一下“C#爬蟲如何通過代理刷文章瀏覽量”這篇文章吧。

船山網(wǎng)站制作公司哪家好，找創(chuàng)新互聯(lián)建站！從網(wǎng)頁設(shè)計(jì)、網(wǎng)站建設(shè)、微信開發(fā)、APP開發(fā)、成都響應(yīng)式網(wǎng)站建設(shè)公司等網(wǎng)站項(xiàng)目制作，到程序開發(fā)，運(yùn)營維護(hù)。創(chuàng)新互聯(lián)建站于2013年成立到現(xiàn)在10年的時(shí)間，我們擁有了豐富的建站經(jīng)驗(yàn)和運(yùn)維經(jīng)驗(yàn)，來保證我們的工作的順利進(jìn)行。專注于網(wǎng)站建設(shè)就選創(chuàng)新互聯(lián)建站。

1.如何維護(hù)代理IP庫？

想要使用代理IP，那就必須有一個(gè)一定數(shù)量、足夠有效的代理ip庫，在學(xué)習(xí)階段，隨便玩玩那就只能從免費(fèi)的代理IP網(wǎng)站上抓取,沒有一定數(shù)量的代理刷文章流浪量非常慢，首先就是要維護(hù)好自己的代理Ip庫

之前用過的西刺代理、66ip比較靠譜，西祠好像有反扒，遇到過一次，不知道是西祠網(wǎng)站的問題還是反扒的策略，這兩個(gè)網(wǎng)站每分鐘抓取的能用的代理大概有2,3個(gè),這已經(jīng)算的上比較客觀的了， data5u、快代理、ip3366網(wǎng)頁端更新的非常少，而且有效性比較低，快代理抓取網(wǎng)頁還必須設(shè)置Useragent,發(fā)現(xiàn)設(shè)置后獲取的ip的端口和網(wǎng)頁端不一致，很玩味是吧，沒辦法免費(fèi)的就是這樣，不然人家就收費(fèi)了，當(dāng)然付費(fèi)的代理也不穩(wěn)定，但肯定是比免費(fèi)的好很多。

維護(hù)代理質(zhì)量

從網(wǎng)頁端抓取下來的代理，肯定是要經(jīng)過驗(yàn)證再入庫的，最簡單的方式就是發(fā)起一個(gè)請求狀態(tài)碼是否為200。我推薦的免費(fèi)代理還是上面兩個(gè)西刺代理和66ip，相對其他的免費(fèi)代理有效性、數(shù)量都比較高。

代理如何儲(chǔ)存

我使用的是redis來存儲(chǔ)這些有效代理，數(shù)據(jù)結(jié)構(gòu)最好是采用Set，不允許存儲(chǔ)相同的IP。代理的有效性無法得知，有的可能是幾十秒鐘，有的幾十分鐘，在使用的時(shí)候應(yīng)該記錄那些多次不能使用的IP，達(dá)到一定次數(shù)，應(yīng)該從Set中刪除掉。無法確定代理的時(shí)效，代理ip要及時(shí)使用，可以使用定時(shí)器定時(shí)從redis中取出代理。

2.反爬蟲的一些常見的機(jī)制？

反爬蟲的原則就是判斷是否是一個(gè)真實(shí)的用戶，一些比較重要的數(shù)據(jù)會(huì)利用多種機(jī)制混合，讓爬蟲的代價(jià)變大甚至無法爬取,Header里面的字段設(shè)置、IP限制、Cookie等

IP限制

一些網(wǎng)站為了防止爬蟲，可能會(huì)對每個(gè)ip進(jìn)行訪問頻率的限制，訪問頻率一個(gè)是速度，可以同Thread.Sleep來進(jìn)行休眠，暫停一會(huì)兒再進(jìn)行爬??；一個(gè)IP次數(shù)這個(gè)我們可以通過抓取的免費(fèi)代理來設(shè)置。

Header里的限制

User-Agent ：用戶代理，這個(gè)非常簡單，可以收集一些常見的瀏覽器代理頭，在請求的時(shí)候隨機(jī)設(shè)置User-Agent

Referer ：訪問目標(biāo)鏈接是從哪個(gè)鏈接條過來的，做防圖片的盜鏈可以用它來處理，當(dāng)然這個(gè)Refresh也是可以偽造。

Cookie：登錄后或其他的一些用戶操作，服務(wù)端會(huì)返回一些cookie信息，沒有cookie很容易被識別為偽造請求，可以在本地通過Js，根據(jù)服務(wù)端返回的一些信息，本地區(qū)設(shè)置cooke，當(dāng)然這個(gè)實(shí)際中并沒有這么簡單，一般會(huì)涉及到加密解密的過程。這個(gè)是爬蟲的一個(gè)難點(diǎn)。

3.使用代理IP刷新csdn文章的瀏覽量

csdn文章的瀏覽量還是比較好刷的，前提的是你有足夠多的代理，沒有更多的代理效率會(huì)非常慢。前面一篇文章我們已經(jīng)從幾個(gè)免費(fèi)的代理網(wǎng)站抓取了代理，這里就不多做介紹了，這里我們接著上一篇的拿來就用。c#批量抓取免費(fèi)代理并驗(yàn)證有效性。1.我使用的多線程批量發(fā)送請求，效率更好，每個(gè)線程平均分配一定數(shù)量的代理執(zhí)行請求。2.定時(shí)獲取Redis中代理3.使用System.Collections.Concurrent 命名空間下ConcurrentDictionary字典集合來統(tǒng)計(jì)失敗的次數(shù)，如果達(dá)到一定次數(shù)就直接從庫中刪除該代理。關(guān)于代碼中主要功能是實(shí)現(xiàn)，不足的地方就是代理太少，效率不高。

效果如圖：

昨天晚上看了篇文章，（這里是隨便CSDN或者其他地方的有瀏覽量的文章），刷的時(shí)間不短，主要是因?yàn)榇硖倭恕?/p>

主要代碼如下：

class Program
 {
 static bool finishIsCompleted=true;
 static ConcurrentDictionary failStatis;//保存請求失敗的ip地址:key 失敗次數(shù)：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();
  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;
   //獲取代理
   var proxyIps = RedisHelper.GetProxy();
   int threadCount = 1;
   if (proxyIps.Count > 10)
   {
   threadCount = proxyIps.Count / 10;
   }
   //平均分配給每個(gè)thread執(zhí)行15個(gè)請求
   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 () =>
   {
    //執(zhí)行發(fā)起請求
    await Finish(tempList);
   });
   thread.Start();
   }
  }
  }, "processing timer event", 0, 1000*30);
  Console.ReadLine();
 }

 public static async Task Finish(List 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));
  //隨機(jī)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+"失敗"+(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 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 GetProxy()
 {
  List result = new List();
  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);
 }
 }

以上是“C#爬蟲如何通過代理刷文章瀏覽量”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對大家有所幫助，如果還想學(xué)習(xí)更多知識，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道！

分享名稱：C#爬蟲如何通過代理刷文章瀏覽量
網(wǎng)頁地址：http://m.jiaotiyi.com/article/jpepsg.html