您现在的位置是:首页 > 文章详情

C#爬虫使用代理刷csdn文章浏览量

日期:2018-07-05点击:431
昨天写了一篇关于“ c#批量抓取免费代理并验证有效性”的文章,接着昨天的目标继续完成吧,最终实现的目的就是刷新csdn文章的浏览量(实际上很简单,之前博客园的文章也是可以使用代理ip来刷的,后来不行了),刷文章的浏览量本身是可耻的,没有任何意义,当然技术无罪。之前是在csdn写文章,自从csdn改版之后就主要在博客园写。

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,故事很强大,警惕挂着开源的招牌到处坑蒙拐骗的垃圾项目,比如iBase4J,所以就找到原博主在csdn的这篇文章曝光北京一家不发工资的流氓公司南充巴蜀文化,老板叫万明,刷的时间不短,主要是因为代理太少了。

 

主要代码如下:

 1 class Program  2  {  3 static bool finishIsCompleted=true;  4 static ConcurrentDictionary<string, int> failStatis;//保存请求失败的ip地址:key 失败次数:value  5 static string refreshLink = "https://blog.csdn.net/baijifeilong/article/details/80734388";  6 static string requestSuccessKey,requestFailKey;  7 static async Task Main(string[] args)  8  {  9  10 ThreadPool.SetMinThreads(500, 100);  11 failStatis = new ConcurrentDictionary<string, int>();  12 requestSuccessKey = "list_request_success"+DateTime.Now.ToString("hhmm");  13 requestFailKey = "list_request_fail" + DateTime.Now.ToString("hhmm");  14 Timer timer = new Timer(async (state) =>  15  {  16 if (finishIsCompleted)  17  {  18 finishIsCompleted = false;  19 //获取代理  20 var proxyIps = RedisHelper.GetProxy();  21 int threadCount = 1;  22 if (proxyIps.Count > 10)  23  {  24 threadCount = proxyIps.Count / 10;  25  }  26 //平均分配给每个thread执行15个请求  27 int requestCount = proxyIps.Count / threadCount;  28 for (var i = 0; i < threadCount; i++)  29  {  30 var tempList = proxyIps.GetRange(i * requestCount, requestCount);  31 if (i == threadCount - 1)  32  {  33 tempList.AddRange(proxyIps.GetRange(threadCount * requestCount, proxyIps.Count - threadCount * requestCount));  34  }  35 Thread thread = new Thread(async () =>  36  {  37 //执行发起请求  38 await Finish(tempList);  39  });  40  thread.Start();  41  }  42  }  43 }, "processing timer event", 0, 1000*30);  44  Console.ReadLine();  45  }  46  47 public static async Task Finish(List<string> proxyIps)  48  {  49 for (int i = 0; i < proxyIps.Count; i++)  50  {  51 string ip = proxyIps[i];  52 int index = ip.IndexOf(":");  53 string ipAddress = ip.Substring(0, index);  54 int ipPort = int.Parse(ip.Substring(index + 1));  55 //随机休眠  56 Thread.Sleep(new Random().Next(1,4)*1000);  57 await Get(ipAddress, ipPort, 10000, randomUseragent(), refreshLink, () =>  58  {  59 RedisHelper.AddRequestOk(requestSuccessKey,ip+" "+DateTime.Now.ToShortTimeString(),true);  60 Console.ForegroundColor = ConsoleColor.White;  61 Console.WriteLine(ip+" success");  62  },  63 (error) =>  64  {  65 RedisHelper.AddRequestOk(requestFailKey, ip + " " + DateTime.Now.ToShortTimeString(),false);  66 Console.ForegroundColor = ConsoleColor.Red;  67 Console.WriteLine(ipAddress+error+"失败"+(failStatis.ContainsKey(ip)?failStatis[ip] :1)+"");  68 if (failStatis.ContainsKey(ip))  69  {  70 if (failStatis[ip] == 6)  71  {  72  RedisHelper.RemoveSetValue(ip);  73  }  74 else  75 failStatis[ip]++;  76  }  77 else  78  {  79 failStatis.AddOrUpdate(ip, 1,(key,oldValue)=>oldValue+1);  80  }  81  }  82  );  83  }  84 finishIsCompleted = true;  85  }  86  87 private static string randomUseragent()  88  {  89 string[] usersagents = new string[] {  90 "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",  91 "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",  92 "JUC (Linux; U; 2.3.7; zh-cn; MB200; 320*480) UCWEB7.9.3.103/139/999",  93 "Mozilla/5.0 (Windows NT 6.1; WOW64; rv:7.0a1) Gecko/20110623 Firefox/7.0a1 Fennec/7.0a1",  94 "Opera/9.80 (Android 2.3.4; Linux; Opera Mobi/build-1107180945; U; en-GB) Presto/2.8.149 Version/11.10",  95 "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",  96 "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",  97 "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",  98 "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",  99 "Mozilla/5.0 (BlackBerry; U; BlackBerry 9800; en) AppleWebKit/534.1+ (KHTML, like Gecko) Version/6.0.0.337 Mobile Safari/534.1+", 100 "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", 101 "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", 102 "Mozilla/5.0 (compatible; MSIE 9.0; Windows Phone OS 7.5; Trident/5.0; IEMobile/9.0; HTC; Titan)", 103 "Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/41.0.2228.0 Safari/537.36", 104 "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", 105 "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", 106 "Mozilla/5.0 (Windows NT 5.1; U; en; rv:1.8.1) Gecko/20061208 Firefox/2.0.0 Opera 9.50", 107 "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/534.57.2 (KHTML, like Gecko) Version/5.1.7 Safari/534.57.2", 108 "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/30.0.1599.101 Safari/537.36", 109 "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) ", 110 "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)", 111 "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", 112 "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", 113 "Mozilla/5.0 (BlackBerry; U; BlackBerry 9800; en) AppleWebKit/534.1+ (KHTML, like Gecko) Version/6.0.0.337 Mobile Safari/534.1+", 114 "Mozilla/5.0 (compatible; MSIE 9.0; Windows Phone OS 7.5; Trident/5.0; IEMobile/9.0; HTC; Titan)", 115 "Mozilla/4.0 (compatible; MSIE 6.0; ) Opera/UCWEB7.0.2.37/28/999", 116 "Openwave/ UCWEB7.0.2.37/28/999", 117 "NOKIA5700/ UCWEB7.0.2.37/28/999", 118 "UCWEB7.0.2.37/28/999", 119 "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", 120 "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", 121 "Opera/9.80 (Android 2.3.4; Linux; Opera Mobi/build-1107180945; U; en-GB) Presto/2.8.149 Version/11.10", 122 "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", 123  }; 124 Random random = new Random(); 125 var randomNumber = random.Next(0, usersagents.Length); 126 return usersagents[randomNumber]; 127  } 128 public static async Task Get(string proxyIp, int proxyPort,int timeout, string randomUseragent, string url, Action success, Action<string> fail) 129  { 130 HttpWebRequest request = null; 131 HttpWebResponse response = null; 132 try 133  { 134 request = (HttpWebRequest)WebRequest.Create(url); 135 request.Timeout = timeout; 136 request.UserAgent = randomUseragent; 137 request.Proxy = new WebProxy(proxyIp,proxyPort); 138 139 response = await request.GetResponseAsync() as HttpWebResponse; 140 141 if (response.StatusCode == HttpStatusCode.OK) 142  { 143  success(); 144  } 145 else 146  { 147 fail(response+":"+response.StatusDescription); 148  } 149  } 150 catch (Exception ex) 151  { 152  fail(ex.Message.ToString()); 153  } 154 finally 155  { 156 if (request != null) 157  { 158  request.Abort(); 159 request = null; 160  } 161 if (response != null) 162  { 163  response.Close(); 164 response = null; 165  } 166  } 167  } 168 }
View Code

redisHelper.cs

 1 public class RedisHelper 2  { 3 private static readonly object Locker = new object(); 4 private static ConnectionMultiplexer _redis; 5 private const string CONNECTTIONSTRING = "127.0.0.1:6379,DefaultDatabase=3"; 6 public const string REDIS_SET_KET_SUCCESS = "set_success_ip"; 7 private static ConnectionMultiplexer Manager 8  { 9 get 10  { 11 if (_redis == null) 12  { 13 lock (Locker) 14  { 15 if (_redis != null) return _redis; 16 _redis = GetManager(); 17 return _redis; 18  } 19  } 20 return _redis; 21  } 22  } 24 private static ConnectionMultiplexer GetManager(string connectionString = null) 25  { 26 if (string.IsNullOrEmpty(connectionString)) 27  { 28 connectionString = CONNECTTIONSTRING; 29  } 30 return ConnectionMultiplexer.Connect(connectionString); 31  } 32 public static void AddRequestOk(string key,string value,bool isSuccess) 33  { 34 var db = Manager.GetDatabase(); 35 if(isSuccess) 36  db.ListLeftPush(key,value); 37 else 38  db.ListLeftPush(key, value); 39  } 40 public static List<string> GetProxy() 41  { 42 List<string> result = new List<string>(); 43 var db = Manager.GetDatabase(); 44 var values = db.SetMembers(REDIS_SET_KET_SUCCESS); 45 foreach (var value in values) 46  { 47  result.Add(value.ToString()); 48  } 49 return result; 50  } 51 public static bool InsertSet(string value) 52  { 53 var db = Manager.GetDatabase(); 54 return db.SetAdd(REDIS_SET_KET_SUCCESS, value); 55  } 56 public static bool RemoveSetValue(string value) 57  { 58 var db = Manager.GetDatabase(); 59 return db.SetRemove(REDIS_SET_KET_SUCCESS,value); 60  } 64 }

原文:C#使用代理刷新csdn文章浏览量

原文链接:https://www.cnblogs.com/zhangmumu/p/9275190.html

作者:张林

未经作者许可,可随意转载2018-07-06

原文链接:https://yq.aliyun.com/articles/611584
关注公众号

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。

持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。

文章评论

共有0条评论来说两句吧...

文章二维码

扫描即可查看该文章

点击排行

推荐阅读

最新文章