快捷導(dǎo)航

c#批量抓取免費代理并且驗證有效性的實戰(zhàn)教程

更新時間：2018年07月06日 10:01:05 作者：張林-布萊恩特

突破反爬蟲限制的方法之一就是多用幾個代理IP，下面這篇文章主要給大家介紹了關(guān)于利用c#批量抓取免費代理并且驗證有效性的相關(guān)資料，文中通過示例代碼介紹的非常詳細(xì)，需要的朋友可以參考下

前言

之前看到某公司的官網(wǎng)的文章的瀏覽量刷新一次網(wǎng)頁就會增加一次，給人的感覺不太好，一個公司的官網(wǎng)給人如此直白的漏洞，我批量發(fā)起請求的時候發(fā)現(xiàn)頁面打開都報錯，100多人的公司的官網(wǎng)文章刷新一次你給我看這個，這公司以前來過我們學(xué)校宣傳招人+在園子里搜招聘的時候發(fā)現(xiàn)居然以前招xamarin，挺好奇的，所以就關(guān)注過。好吧不說這些了，只是扯扯蛋而已，回歸主題，我想說的是csdn的文章可以通過設(shè)置代理ip刷新文章的瀏覽量，所以首先要做的就是這篇文章的主題“使用c#驗證代理ip有效性”。

當(dāng)然代理IP來源肯定是免費，所以嘛效率一般，從一些免費的代理ip的網(wǎng)頁抓取的代理IP并不一定都是有用的，所以需要我們對我們抓取的代理ip進(jìn)行驗證，代理ip的有效時間也是有限，從10幾秒到1個小時不限，大多數(shù)時間非常短，所以比如說，我們1分鐘需要100個代理ip，那就1分鐘獲取一次，每次獲取100個（這里是理想狀態(tài)下的，抓取的代理ip都是有效的），原則上來說抓取下來后應(yīng)該立即馬上被使用。

當(dāng)然這篇文章比較基礎(chǔ)，一直覺得爬蟲比較有趣，其實我在爬蟲方面也是個小白，只是做一個簡單的記錄，如果有什么錯誤的地方，希望能提出建議。針對下面幾個問題，我們就可以完成如何驗證代理IP有效性的檢測了。

1.從哪些網(wǎng)頁上可以抓取免費的代理IP？

http://www.xicidaili.com

http://www.ip3366.net

http://www.66ip.cn

百度一下“免費代理ip”挺多的。

2.代理IP穩(wěn)定嗎？有什么作用？

這種免費的代理ip時效性和有效性都不強，上面這三個免費的代理網(wǎng)站，時效性大概在十幾秒到1個小時不等，一般需要自己處理驗證后使用，提高命中率。可適用于隱藏網(wǎng)頁IP（有些網(wǎng)站還不準(zhǔn)使用代理ip，比如豆瓣，其實挺尷尬的，內(nèi)容這么貴嗎），一般常用于空間留言、刷網(wǎng)站流量、網(wǎng)賺任務(wù)、批量注冊賬號等，只要沒有其他限制，需要頻繁更換ip都可以使用。

3.ping通IP就是有效的嗎？如何驗證代理是否有效

好吧，這有點廢話，進(jìn)行端口測試才是最有效的，能ping通并不代表代理有效，不能平通也不一定代理不可用?？梢允褂肏ttpWebRequest，也可以使用Scoket，當(dāng)然HttpWebRequest比Socket連接代理ip、port要慢。

4.一次提取多少代理合適？

代理ip時效性不強、并且有效性也不高，所以只能從一些代理ip的網(wǎng)站上批量定時去獲取，有的代理在一分鐘內(nèi)使用是有限制的，所以說限制比較多。

5.http代理和https代理有什么區(qū)別？

需要訪問https的網(wǎng)站就需要使用https代理了，比如百度，需要訪問http的代理，可以使用http。這個并不是100%的。

檢測代理ip有效性步驟如下：

1.使用HttpWebRequest、HttpWebResponse請求代理ip的網(wǎng)頁，獲取包含代理的網(wǎng)頁內(nèi)容

2.使用HtmlAgilityPack或者正則表達(dá)式對抓取的內(nèi)容進(jìn)行截取，保存到代理集合

3.拿到代理集合，多線程發(fā)起http請求，比如訪問百度，是否成功，成功則存到Redis里面。

效果圖如下：

使用HttpWebRequest發(fā)起請求

Request.cs如下，主要就是兩個方法，一個方法是驗證代理ip是否有效，設(shè)置HttpWebRequest的Proxy屬性，請求百度，看到有些文章大多數(shù)會獲取響應(yīng)的內(nèi)容，如果內(nèi)容符合請求的網(wǎng)址則證明代理喲有效，實際上根據(jù)HttpStatusCode 200就可以判斷是否驗證有效。

【注意】建的是控制臺程序，使用了異步，所以還是建.net core吧，c#語言的版本7.1。C#如何在控制臺程序中使用異步

public class Request
 {
 /// <summary>
 /// 驗證代理ip有效性
 /// </summary>
 /// <param name="proxyIp">代理IP</param>
 /// <param name="proxyPort">代理IP 端口</param>
 /// <param name="timeout">詳情超時</param>
 /// <param name="url">請求的地址</param>
 /// <param name="success">成功的回調(diào)</param>
 /// <param name="fail">失敗的回調(diào)</param>
 /// <returns></returns>
 public static async System.Threading.Tasks.Task getAsync(string proxyIp,int proxyPort, int timeout,string url, Action success, Action<string> fail)
 {
  System.GC.Collect();
  HttpWebRequest request = null;
  HttpWebResponse response = null;
  try
  {
  request = (HttpWebRequest)WebRequest.Create(url);
  //HttpWebRequest request = HttpWebRequest.CreateHttp(url);
  request.Timeout =timeout;
  request.KeepAlive = false;
  request.Proxy = new WebProxy(proxyIp,proxyPort);
  response = await request.GetResponseAsync() as HttpWebResponse;
  if (response.StatusCode == HttpStatusCode.OK)
  {
   success();
  }
  else
  {
   fail(response.StatusCode+":"+response.StatusDescription);
  }
  }
  catch (Exception ex)
  {
  fail("請求異常"+ex.Message.ToString());
  }
  finally
  {
  if (request != null)
  {
   request.Abort();
   request = null;
  }
  if (response != null)
  {
   response.Close();
  }
  }
 }

 /// <summary>
 /// 發(fā)起http請求
 /// </summary>
 /// <param name="url"></param>
 /// <param name="success">成功的回調(diào)</param>
 /// <param name="fail">失敗的回調(diào)</param>
 public static void get(string url,Action<string> success,Action<string> fail)
 {
  StreamReader reader = null;
  Stream stream = null;
  WebRequest request = null;
  HttpWebResponse response = null;
  try
  {
  request = WebRequest.Create(url);
  request.Timeout = 2000;
  response = (HttpWebResponse)request.GetResponse();
  if (response.StatusCode == HttpStatusCode.OK)
  {
   stream = response.GetResponseStream();
   reader = new StreamReader(stream);
   string result = reader.ReadToEnd();
   success(result);
  }
  else
  {
   fail(response.StatusCode+":"+response.StatusDescription);
  }
  }
  catch (Exception ex)
  {
  fail(ex.ToString());
  }
  finally
  {
  if (reader != null)
   reader.Close();
  if (stream != null)
   stream.Close();
  if(response!=null)
   response.Close();
  if(request!=null)
   request.Abort();
  }
 }
 }

抓取免費代理，并檢查是否有效

ProxyIpHelper.cs 中主要有四個方法，檢查ip是否可用CheckProxyIpAsync、抓取xicidaili.com的代理GetXicidailiProxy、抓取ip3366.net的代理GetIp3366Proxy、抓取66ip.cn的代理GetIp3366Proxy。如果想多抓取幾個網(wǎng)站可以多寫幾個。

public class ProxyIpHelper
 {
  private static string address_xicidaili = "http://www.xicidaili.com/wn/{0}";
  private static string address_66ip = "http://www.66ip.cn/nmtq.php?getnum=20&isp=0&anonymoustype=0&start=&ports=&export=&ipaddress=&area=1&proxytype=1&api=66ip";
  private static string address_ip3366 = "http://www.ip3366.net/?stype=1&page={0}";
  /// <summary>
  /// 檢查代理IP是否可用
  /// </summary>
  /// <param name="ipAddress">ip</param>
  /// <param name="success">成功的回調(diào)</param>
  /// <param name="fail">失敗的回調(diào)</param>
  /// <returns></returns>
  public static async Task CheckProxyIpAsync(string ipAddress, Action success, Action<string> fail)
  {
   int index = ipAddress.IndexOf(":");
   string proxyIp = ipAddress.Substring(0, index);
   int proxyPort = int.Parse(ipAddress.Substring(index + 1));
   await Request.getAsync(proxyIp, proxyPort, 3000, "https://www.baidu.com/", () =>
   {
    success();
   }, (error) =>
   {
    fail(error);
   });
  }
  /// <summary>
  /// 從xicidaili.com網(wǎng)頁上去獲取代理IP，可以分頁
  /// </summary>
  /// <param name="page"></param>
  /// <returns></returns>
  public static List<string> GetXicidailiProxy(int page)
  {
   List<string> list = new List<string>();
   for (int p = 1; p <= page; p++)
   {
    string url = string.Format(address_xicidaili, p);
    Request.get(url,(docText)=> {
     if (!string.IsNullOrWhiteSpace(docText))
     {
      HtmlDocument doc = new HtmlDocument();
      doc.LoadHtml(docText);
      var trNodes = doc.DocumentNode.SelectNodes("http://table[@id='ip_list']")[0].SelectNodes("./tr");
      if (trNodes != null && trNodes.Count > 0)
      {
       for (int i = 1; i < trNodes.Count; i++)
       {
        var tds = trNodes[i].SelectNodes("./td");
        string ipAddress = tds[1].InnerText + ":" + int.Parse(tds[2].InnerText); ;
        list.Add(ipAddress);
       }
      }
     }
    },(error)=> {
     Console.WriteLine(error);
    });
   }
   return list; 
   }
  /// <summary>
  /// 從ip3366.net網(wǎng)頁上去獲取代理IP，可以分頁
  /// </summary>
  /// <param name="page"></param>
  /// <returns></returns>
  public static List<string> GetIp3366Proxy(int page)
  {
   List<string> list = new List<string>();
   for (int p = 1; p <= page; p++)
   {
    string url = string.Format(address_ip3366, p);
    Request.get(url, (docText) => {
     if (!string.IsNullOrWhiteSpace(docText))
     {
      HtmlDocument doc = new HtmlDocument();
      doc.LoadHtml(docText);
      var trNodes1 = doc.DocumentNode.SelectNodes("http://table")[0];
      var trNodes2 = doc.DocumentNode.SelectNodes("http://table")[0].SelectSingleNode("http://tbody");
      var trNodes = doc.DocumentNode.SelectNodes("http://table")[0].SelectSingleNode("http://tbody").SelectNodes("./tr");
      if (trNodes != null && trNodes.Count > 0)
      {
       for (int i = 1; i < trNodes.Count; i++)
       {
        var tds = trNodes[i].SelectNodes("./td");
        if (tds[3].InnerHtml == "HTTPS")
        {
         string ipAddress = tds[0].InnerText + ":" + int.Parse(tds[1].InnerText); ;
         list.Add(ipAddress);
        }
       }
      }
     }
    }, (error) => {
     Console.WriteLine(error);
    });
   }
   return list;
   }
  /// <summary>
  /// 從66ip.cn中去獲取，不需要分頁
  /// </summary>
  /// <returns></returns>
  public static List<string> Get66ipProxy()
  {
   List<string> list = new List<string>();
   Request.get(address_66ip,
   (docText)=> {
    int count = 0;
    if (string.IsNullOrWhiteSpace(docText) == false)
    {
     string regex = "\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}\\:\\d{1,5}";
     Match mstr = Regex.Match(docText, regex);
     while (mstr.Success && count < 20)
     {
      string tempIp = mstr.Groups[0].Value;
      list.Add(tempIp);
      mstr = mstr.NextMatch();
      count++;
     }
    }
   },
   (error)=> {
    Console.WriteLine(error);
   });
   return list;
  }
 }

使用Timer定時抓取，并檢查，成功則保存到redis

c#有三種定時器，這里定時器是使用System.Threading命名空間，這個Timer會開啟新的線程，抓取三個網(wǎng)頁定義了三個Timer對象。每一次抓取都會保存上一次抓取的集合，檢查前，會進(jìn)行對比，取出新的集合也就是沒有重復(fù)的那部分。有效性的ip比較低，這里沒有做統(tǒng)計，如果代碼再優(yōu)化一下，可以做一下統(tǒng)計，看看程序的主入口吧，最終的實現(xiàn)如下：

class Program
 {
  static bool timer_ip3366_isCompleted = true;
  static bool timer_xicidaili_isCompleted = true;
  static bool timer_66ip_isCompleted = true;
  static Timer timer_ip3366, timer_xicidaili, timer_66ip;
  private static List<string> lastListip3366,lastList66ip,lastListxicidaili;//保存上一次抓取的代理，與下一次進(jìn)行對比，取新的集合進(jìn)行檢查篩選
  static async Task Main(string[] args)
  {
   System.Net.ServicePointManager.DefaultConnectionLimit = 2000;
   Console.WriteLine("hellow proxyIp");
   Console.ReadLine();
   lastList66ip = new List<string>();
   lastListip3366 = new List<string>();
   lastListxicidaili = new List<string>();
   timer_ip3366 = new Timer(async (state) =>
   {
    await TimerIp3366Async();
   }, "processing timer_ip3366 event", 0,1000*30);
   timer_xicidaili = new Timer(async (state) =>
   {
    await TimerXicidailiAsync();
   }, "processing timer_xicidaili event", 0, 1000 * 60);
   timer_66ip = new Timer(async (state) =>
   {
    await Timer66ipAsync();
   }, "processing timer_66ip event", 0, 1000*30);
   
   Console.ReadLine();
  }



  private static async Task Timer66ipAsync()
  {
   if (timer_66ip_isCompleted)
   {
    timer_66ip_isCompleted = false;
    List<string> checkList = new List<string>();
    var listProxyIp = ProxyIpHelper.Get66ipProxy();

    if (listProxyIp.Count > 0)
    {
     Console.ForegroundColor = ConsoleColor.DarkCyan;
     Console.WriteLine("66ip.cn 抓取到" + listProxyIp.Count + "條記錄,正在對比.........");
     listProxyIp.ForEach(f =>
     {
      if (!lastList66ip.Contains(f))
      {
       checkList.Add(f);
      }
     });
     lastList66ip = listProxyIp;
     if (checkList.Count > 0)
     {
      Console.ForegroundColor = ConsoleColor.DarkCyan;
      Console.WriteLine("66ip.cn 需要檢查" + checkList.Count + "條記錄,正在進(jìn)行檢測是否有效..........");
      for (int i = 0; i < checkList.Count; i++)
      {
       string ipAddress = checkList[i];
       await ProxyIpHelper.CheckProxyIpAsync(ipAddress, () =>
       {
        bool insertSuccess = RedisHelper.InsertSet(ipAddress);
        Console.ForegroundColor = ConsoleColor.White;
        Console.WriteLine("66ip.cn");
        if (insertSuccess)
        {
         Console.WriteLine("success" + ipAddress + "任務(wù)編號:" + i + "當(dāng)前任務(wù)線程:" + Thread.CurrentThread.ManagedThreadId);
        }
        Console.WriteLine("重復(fù)插入" + ipAddress + "任務(wù)編號:" + i + "當(dāng)前任務(wù)線程:" + Thread.CurrentThread.ManagedThreadId);
       }, (error) =>
       {
        Console.ForegroundColor = ConsoleColor.Green;
        Console.WriteLine("66ip.cn");
        Console.WriteLine("error:" + ipAddress + error + "任務(wù)編號:" + i + "當(dāng)前任務(wù)線程:" + Thread.CurrentThread.ManagedThreadId);
       });
      }
      timer_66ip_isCompleted = true;
      Console.ForegroundColor = ConsoleColor.DarkCyan;
      Console.WriteLine("66ip.cn" + checkList.Count + "條記錄,已經(jīng)檢測完成，正在進(jìn)行下一次檢查");
     }
     else
     {
      timer_66ip_isCompleted = true;
      Console.ForegroundColor = ConsoleColor.DarkCyan;
      Console.WriteLine("66ip.cn沒有需要檢查的代理ip");
     }
    }
    else
    {
     timer_66ip_isCompleted = true;
     Console.ForegroundColor = ConsoleColor.DarkCyan;
     Console.WriteLine("66ip.cn沒有獲取到代理ip");
    }
   }
  }

  private static async Task TimerXicidailiAsync()
  {
   if (timer_xicidaili_isCompleted)
   {
    //取出需要檢查的ip地址，第一次100條則checklist就是100條記錄，
    //第二次的100條中只有10是和上一次的不重復(fù)，則第二次只需要檢查這10條記錄
    timer_xicidaili_isCompleted = false;
    List<string> checkList = new List<string>();
    var listProxyIp = ProxyIpHelper.GetXicidailiProxy(1);
    if (listProxyIp.Count > 0)
    {
     Console.WriteLine("xicidaili.com 抓取到" + listProxyIp.Count + "條記錄,正在對比............");
     listProxyIp.ForEach(f =>
     {
      if (!lastListxicidaili.Contains(f))
      {
       checkList.Add(f);
      }
     });
     lastListxicidaili = listProxyIp;
     if (checkList.Count > 0)
     {
      Console.ForegroundColor = ConsoleColor.DarkCyan;
      Console.WriteLine("xicidaili.com 需要檢查" + checkList.Count + "條記錄,正在進(jìn)行檢測是否有效..........");
      for (int i = 0; i < checkList.Count; i++)
      {
       string ipAddress = checkList[i];
       await ProxyIpHelper.CheckProxyIpAsync(ipAddress, () =>
       {
        bool insertSuccess = RedisHelper.InsertSet(ipAddress);
        Console.ForegroundColor = ConsoleColor.White;
        Console.WriteLine("xicidaili.com");
        if (insertSuccess)
        {
         Console.WriteLine("success" + ipAddress + "任務(wù)編號:" + i + "當(dāng)前任務(wù)線程:" + Thread.CurrentThread.ManagedThreadId);
        }
        else
         Console.WriteLine("重復(fù)插入" + ipAddress + "任務(wù)編號:" + i + "當(dāng)前任務(wù)線程:" + Thread.CurrentThread.ManagedThreadId);
       }, (error) =>
       {
        Console.WriteLine("xicidaili.com");
        Console.ForegroundColor = ConsoleColor.Red;
        Console.WriteLine("error:" + ipAddress + error + "任務(wù)編號:" + i + "當(dāng)前任務(wù)線程:" + Thread.CurrentThread.ManagedThreadId);
       });
      }
      timer_xicidaili_isCompleted = true;
      Console.ForegroundColor = ConsoleColor.DarkCyan;
      Console.WriteLine("xicidaili.com" + checkList.Count + "條記錄,已經(jīng)檢測完成，正在進(jìn)行下一次檢查");
     }
     else
     {
      timer_xicidaili_isCompleted = true;
      Console.ForegroundColor = ConsoleColor.DarkCyan;
      Console.WriteLine("xicidaili.com沒有需要檢查的代理ip");
     }
    }
    else
    {
     timer_xicidaili_isCompleted = true;
     Console.ForegroundColor = ConsoleColor.DarkCyan;
     Console.WriteLine("xicidaili.com沒有獲取到代理ip");
    }
   }
  }
  private static async Task TimerIp3366Async()
  {
   if (timer_ip3366_isCompleted)
   {
    timer_ip3366_isCompleted = false;
    List<string> checkList = new List<string>();
    var listProxyIp = ProxyIpHelper.GetIp3366Proxy(4);
    if (listProxyIp.Count > 0)
    {
     Console.ForegroundColor = ConsoleColor.DarkCyan;
     Console.WriteLine("ip3366.net 抓取到" + listProxyIp.Count + "條記錄,正在進(jìn)行檢測是否有效..........");
     listProxyIp.ForEach(f =>
     {
      if (!lastListip3366.Contains(f))
      {
       checkList.Add(f);
      }
     });
     lastListip3366 = listProxyIp;
     if (checkList.Count != 0)
     {
      Console.ForegroundColor = ConsoleColor.DarkCyan;
      Console.WriteLine("ip3366.net 需要檢查" + checkList.Count + "條記錄,正在進(jìn)行檢測是否有效..........");
      for (int i = 0; i < checkList.Count; i++)
      {
       string ipAddress = checkList[i];
       await ProxyIpHelper.CheckProxyIpAsync(ipAddress, () =>
       {
        bool insertSuccess = RedisHelper.InsertSet(ipAddress);
        Console.ForegroundColor = ConsoleColor.White;
        Console.WriteLine("ip3366.net");
        if (insertSuccess)
        {
         Console.WriteLine("success" + ipAddress + "任務(wù)編號:" + i + "當(dāng)前任務(wù)線程:" + Thread.CurrentThread.ManagedThreadId);
        }
        else
        {
         Console.ForegroundColor = ConsoleColor.Red;
         Console.WriteLine("重復(fù)插入" + ipAddress + "任務(wù)編號:" + i + "當(dāng)前任務(wù)線程:" + Thread.CurrentThread.ManagedThreadId);
        }
       }, (error) =>
       {
        Console.ForegroundColor = ConsoleColor.Yellow;
        Console.WriteLine("ip3366.net");
        Console.WriteLine("error " + ipAddress + "任務(wù)編號:" + i + "當(dāng)前任務(wù)線程:" + Thread.CurrentThread.ManagedThreadId);
       });
      }
      timer_ip3366_isCompleted = true;
      Console.WriteLine("ip3366.net" + checkList.Count + "條記錄,已經(jīng)檢測完成，正在進(jìn)行下一次檢查");
     }
     else
     {
      timer_ip3366_isCompleted = true;
      Console.ForegroundColor = ConsoleColor.DarkCyan;
      Console.WriteLine("ip3366.net沒有需要檢查的代理ip");
     }
    }
    else
    {
     timer_ip3366_isCompleted = true;
     Console.ForegroundColor = ConsoleColor.DarkCyan;
     Console.WriteLine("ip3366.net沒有獲取到代理ip");
    }

   }
  }
 }

Redis第三庫使用的stackoverflow的 StackExchange.Redis，代理ip不能重復(fù)儲存，所以采用的數(shù)據(jù)結(jié)構(gòu)是Set。存的值非常簡單就一個ip加上port，也可以存入更多相關(guān)信息，感覺沒必要。即使有這些其他的信息，也很難發(fā)揮作用。RedisHelper.cs如下

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 bool InsertSet(string value)
  {
   var db = Manager.GetDatabase();
   return db.SetAdd(REDIS_SET_KET_SUCCESS,value);
  }
 }

總結(jié)

明天補上刷新網(wǎng)頁瀏覽量的文章吧，代碼還不夠好，ip的有效性還不高，對多線程的使用還不是很熟練

好了，以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，如果有疑問大家可以留言交流，謝謝大家對腳本之家的支持。

您可能感興趣的文章: