备案控制台
探索云世界
开发者社区 开发与运维 文章 正文

C#爬虫使用代理刷csdn文章浏览量

2018-07-06 1599
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
本文涉及的产品
云数据库 Redis 版，社区版 2GB
推荐场景：
搭建游戏排行榜
简介： 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。
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)+"次");
 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

文章标签：
云数据库 Redis 版
iOS开发
C#
Android开发
Linux
Windows
关键词：
C#爬虫
爬虫代理
爬虫代理文章
爬虫文章
爬虫csdn
相关实践学习
基于Redis实现在线游戏积分排行榜
本场景将介绍如何基于Redis数据库实现在线游戏中的游戏玩家积分排行榜功能。
云数据库 Redis 版使用教程
云数据库Redis版是兼容Redis协议标准的、提供持久化的内存数据库服务，基于高可靠双机热备架构及可无缝扩展的集群架构，满足高读写性能场景及容量需弹性变配的业务需求。 产品详情：https://www.aliyun.com/product/kvstore &nbsp; &nbsp; ------------------------------------------------------------------------- 阿里云数据库体验：数据库上云实战 开发者云会免费提供一台带自建MySQL的源数据库&nbsp;ECS 实例和一台目标数据库&nbsp;RDS实例。跟着指引，您可以一步步实现将ECS自建数据库迁移到目标数据库RDS。 点击下方链接，领取免费ECS&amp;RDS资源，30分钟完成数据库上云实战！https://developer.aliyun.com/adc/scenario/51eefbd1894e42f6bb9acacadd3f9121?spm=a2c6h.13788135.J_3257954370.9.4ba85f24utseFl
操张林
目录
相关文章
仲君Johnny
|
1月前
|
数据采集 NoSQL Redis
Python爬虫-代理池原理和搭建
代理池架构，代理池的实现
仲君Johnny
42 0
小白学大数据
|
5月前
|
数据采集 网络协议 Java
Java爬虫框架下代理使用中的TCP连接池问题及解决方案
Java爬虫框架下代理使用中的TCP连接池问题及解决方案
小白学大数据
54 0
奔跑的数据
|
14天前
|
数据采集 C# 数据安全/隐私保护
掌握 C# 爬虫技术：使用 HttpClient 获取今日头条内容
本文介绍了如何使用C#的HttpClient与爬虫代理IP技术抓取今日头条内容，以实现高效的数据采集。通过结合亿牛云爬虫代理，可以绕过IP限制，增强匿名性。文中提供了一个代码示例，展示如何设置代理服务器信息、请求头，并用正则表达式提取热点新闻标题。利用多线程技术，能提升爬虫采集效率，为市场分析等应用提供支持。
奔跑的数据
25 1
掌握 C# 爬虫技术：使用 HttpClient 获取今日头条内容
仲君Johnny
|
1月前
|
数据采集 Web App开发 数据安全/隐私保护
Python爬虫-使用代理伪装IP
介绍代理，设置代理，使用代理伪装IP案例
仲君Johnny
25 0
仲君Johnny
|
1月前
|
数据采集 存储 关系型数据库
Python爬虫-使用代理获取微信公众号文章
使用代理爬取微信公众号文章
仲君Johnny
53 0
仲君Johnny
|
1月前
|
数据采集 JSON 大数据
Python爬虫-付费代理推荐和使用
付费代理推荐，讯代理，阿布云代理使用
仲君Johnny
30 0
小白学大数据
|
1月前
|
数据采集 JSON API
C#爬虫项目实战：如何解决Instagram网站的封禁问题
C#爬虫项目实战：如何解决Instagram网站的封禁问题
小白学大数据
16 0
小白学大数据
|
3月前
|
数据采集 监控 调度
C#网络爬虫之TianyaCrawler实战经验分享
C#网络爬虫之TianyaCrawler实战经验分享
小白学大数据
20 0
小白学大数据
|
3月前
|
数据采集 存储 Java
Java爬虫与SSL代理：实际案例分析与技术探讨
Java爬虫与SSL代理：实际案例分析与技术探讨
小白学大数据
25 1
小白学大数据
|
3月前
|
数据采集 监控 JavaScript
Python网络爬虫进阶：自动切换HTTP代理IP的应用
Python网络爬虫进阶：自动切换HTTP代理IP的应用
小白学大数据
52 0