C#多線程爬蟲抓取免費代理IP的示例代碼
這里用到一個HTML解析輔助類:HtmlAgilityPack,如果沒有網(wǎng)上找一個增加到庫里,這個插件有很多版本,如果你開發(fā)環(huán)境是使用VS2005就2.0的類庫,VS2010就使用4.0,以此類推..........然后直接創(chuàng)建一個控制臺應用,將我下面的代碼COPY替換就可以運行,下面就來講講我兩年前做爬蟲經(jīng)歷,當時是給一家公司做,也是用的C#,不過當時遇到一個頭痛的問題就是抓的圖片有病毒,然后系統(tǒng)掛了幾次。所以抓網(wǎng)站圖片要注意安全,雖然我這里沒涉及到圖片,但是還是提醒下看文章的朋友。
class Program
{
//存放所有抓取的代理
public static List<proxy> masterPorxyList = new List<proxy>();
//代理IP類
public class proxy
{
public string ip;
public string port;
public int speed;
public proxy(string pip,string pport,int pspeed)
{
this.ip = pip;
this.port = pport;
this.speed = pspeed;
}
}
//抓去處理方法
static void getProxyList(object pageIndex)
{
string urlCombin = "http://www.xicidaili.com/wt/" + pageIndex.ToString();
string catchHtml = catchProxIpMethord(urlCombin, "UTF8");
HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(catchHtml);
HtmlNode table = doc.DocumentNode.SelectSingleNode("http://div[@id='wrapper']//div[@id='body']/table[1]");
HtmlNodeCollection collectiontrs = table.SelectNodes("./tr");
for (int i = 0; i < collectiontrs.Count; i++)
{
HtmlAgilityPack.HtmlNode itemtr = collectiontrs[i];
HtmlNodeCollection collectiontds = itemtr.ChildNodes;
//table中第一個是能用的代理標題,所以這里從第二行TR開始取值
if (i>0)
{
HtmlNode itemtdip = (HtmlNode)collectiontds[3];
HtmlNode itemtdport = (HtmlNode)collectiontds[5];
HtmlNode itemtdspeed = (HtmlNode)collectiontds[13];
string ip = itemtdip.InnerText.Trim();
string port = itemtdport.InnerText.Trim();
string speed = itemtdspeed.InnerHtml;
int beginIndex = speed.IndexOf(":", 0, speed.Length);
int endIndex = speed.IndexOf("%", 0, speed.Length);
int subSpeed = int.Parse(speed.Substring(beginIndex + 1, endIndex - beginIndex - 1));
//如果速度展示條的值大于90,表示這個代理速度快。
if (subSpeed > 90)
{
proxy temp = new proxy(ip, port, subSpeed);
masterPorxyList.Add(temp);
Console.WriteLine("當前是第:" + masterPorxyList.Count.ToString() + "個代理IP");
}
}
}
}
//抓網(wǎng)頁方法
static string catchProxIpMethord(string url,string encoding )
{
string htmlStr = "";
try
{
if (!String.IsNullOrEmpty(url))
{
WebRequest request = WebRequest.Create(url);
WebResponse response = request.GetResponse();
Stream datastream = response.GetResponseStream();
Encoding ec = Encoding.Default;
if (encoding == "UTF8")
{
ec = Encoding.UTF8;
}
else if (encoding == "Default")
{
ec = Encoding.Default;
}
StreamReader reader = new StreamReader(datastream, ec);
htmlStr = reader.ReadToEnd();
reader.Close();
datastream.Close();
response.Close();
}
}
catch { }
return htmlStr;
}
static void Main(string[] args)
{
//多線程同時抓15頁
for (int i = 1; i <= 15; i++)
{
ThreadPool.QueueUserWorkItem(getProxyList, i);
}
Console.Read();
}
}
以上就是本文的全部內(nèi)容,希望對大家的學習有所幫助,也希望大家多多支持腳本之家。
相關文章
C#統(tǒng)計C、C++及C#程序代碼行數(shù)的方法
這篇文章主要介紹了C#統(tǒng)計C、C++及C#程序代碼行數(shù)的方法,較為詳細的分析了C#統(tǒng)計文本文件的原理與相關實現(xiàn)技巧,具有一定參考借鑒價值,需要的朋友可以參考下2015-08-08
Winform控件優(yōu)化Paint事件實現(xiàn)圓角組件及提取繪制圓角的方法
這篇文章主要介紹了Winform控件優(yōu)化Paint事件實現(xiàn)圓角組件及提取繪制圓角的方法,Windows?11下所有控件已經(jīng)默認采用圓角,其效果更好、相對有著更好的優(yōu)化,只是這是默認的行為,無法進一步自定義,更多詳情需要的小伙伴可以參考下面文章內(nèi)容2022-08-08
C#實現(xiàn)Access通用訪問類OleDbHelper完整實例
這篇文章主要介紹了C#實現(xiàn)Access通用訪問類OleDbHelper,結合完整實例形式分析了C#針對access數(shù)據(jù)庫的連接、查詢、遍歷、分頁顯示等相關操作技巧,需要的朋友可以參考下2017-02-02

