C# 爬蟲

来源:https://www.cnblogs.com/www-mcl-1234/archive/2019/05/13/10858485.html
-Advertisement-
Play Games

//PS 需要引用HtmlAgilityPack.dll 文件，可自行在網上下載 public partial class GrabInterface : Form { public int number = 1; public GrabInterface() { InitializeCompone ...


//PS   需要引用HtmlAgilityPack.dll 文件，可自行在網上下載

public partial class GrabInterface : Form
{
public int number = 1;
public GrabInterface()
{
InitializeComponent();
this.Load += GrabInterface_Load;
}

//定時器
System.Timers.Timer myTimer;

//定義委托，防止兩線程之間控制項賦值衝突
public delegate void Action<in T>(T obj);
public void ActionRead(int t)
{
this.lbl_ok.Text = "正在讀取中，請稍後...";
this.btn_sure.Enabled = false;
}
public void ActionFinall(int t)
{
this.lbl_ok.Text = "讀取完畢";
this.btn_sure.Enabled = false;
}
public static bool result = true;//設置定時器點擊按鈕時執行，避免重覆執行定時器導致時間混亂
private void btn_sure_Click(object sender, EventArgs e)
{
if (string.IsNullOrEmpty(this.txt_url.Text))
{
this.lbl_ok.Text = "請選擇需要讀取的文件";
return;
}
List<string> list_read = TXTHelper.Read(this.txt_url.Text);
if (result)
{
myTimer = new System.Timers.Timer(1000 * 40);//定時周期
myTimer.Elapsed += btn_sure_Click;//
myTimer.AutoReset = true; //是否不斷重覆定時器操作
myTimer.Enabled = true;//開啟計時器
result = false;
}

number++;
Action<int> action = new Action<int>(ActionRead);
Invoke(action, number);

try
{
#region 抓取網頁數據
if (list_read != null && list_read.Count > 0)
{
for (int i = 0; i < list_read.Count; i++)
{
string url = list_read[i];
List<string> list = new List<string>();
HtmlWeb webClient = new HtmlWeb();
HtmlAgilityPack.HtmlDocument doc = GetUrltoHtml(url);
HtmlNodeCollection hrefList = doc.DocumentNode.SelectNodes("//table");
if (hrefList != null)
{
foreach (HtmlNode table in doc.DocumentNode.SelectNodes("//table"))
{
foreach (HtmlNode row in table.SelectNodes(".//tr")) // 註意 .//tr 讀取當前tr，如果為//tr節點 則讀取所有的tr節點
{
string name = "";
if (row.SelectNodes("th") == null)//不存在
{
if (row.SelectNodes("td") != null)
{
foreach (HtmlNode cell in row.SelectNodes("td"))
{
Regex htmlSpaceReg = new Regex("\\ \\;", RegexOptions.Compiled | RegexOptions.IgnoreCase);//去掉&nbsp;
name += Regex.Replace((Regex.Replace(cell.InnerText.Trim(), @"\s", "")), @"&(nbsp|#160);", " ", RegexOptions.IgnoreCase) + "\t";
}
list.Add(name);
}
}
}
}
string filename = "";
for (int j = 0; j < list.Count; j++)
{
filename += list[j] + "\n";
}
string sort = DateTime.Now.ToString("yyyyMMddHH").ToString() + number.ToString();
TXTHelper.SavaProcess(filename, sort);
}
}
Action<int> action1 = new Action<int>(ActionFinall);
Invoke(action1, number);
}
#endregion
}
catch (Exception ex)
{
Console.WriteLine("錯誤" + ex.Message + "");
}
}

private void timer1_Tick(object sender, EventArgs e)
{

}

//選擇文件
private void btn_choose_Click(object sender, EventArgs e)
{
OpenFileDialog dialog = new OpenFileDialog();
dialog.Multiselect = false;//該值確定是否可以選擇多個文件
dialog.Title = "請選擇電子文檔excel";
dialog.Filter = "所有文件(*.txt)|*.txt";
if (dialog.ShowDialog() == System.Windows.Forms.DialogResult.OK)
{
txt_url.Text = dialog.FileName;
}
}

public Thread t1;
public Thread t2;


public static ManualResetEvent eventAB = new ManualResetEvent(false);
private void GrabInterface_Load(object sender, EventArgs e)
{
//抓取代理ip
t1 = new Thread(new ThreadStart(RedirHelper.getProxyList));
t2 = new Thread(new ThreadStart(RedirHelper.YanzhengIp));//驗證代理ip
t1.Start();
Thread.Sleep(1000);
t2.Start();
}

private void btn_stop_Click(object sender, EventArgs e)
{
//釋放資源
if (myTimer != null)
{
myTimer.Close();
myTimer.Dispose();
}
Application.Exit();
}

public HtmlAgilityPack.HtmlDocument GetUrltoHtml(string Url)
{
List<RedirHelper.proxy> list = RedirHelper.masterPorxyList;
List<RedirHelper.proxy> list_proxy = RedirHelper.list_proxy;//有效的代理ip集合
//if (list_proxy != null && list_proxy.Count > 0)
//{
HtmlAgilityPack.HtmlDocument doc = null;
bool isok = true;
while (isok)
{
try
{
Random index = new Random();
int num = index.Next(0, list_proxy.Count);
System.Net.WebRequest wReq = System.Net.WebRequest.Create(Url);
WebProxy myProxy = new WebProxy(list_proxy[num].ip, list_proxy[num].port);
wReq.Proxy = myProxy;
wReq.Timeout = 5000;
System.Net.WebResponse wResp = wReq.GetResponse();
System.IO.Stream respStream = wResp.GetResponseStream();
using (System.IO.StreamReader reader = new System.IO.StreamReader(respStream, Encoding.GetEncoding("UTF-8")))
{
HtmlWeb webClient = new HtmlWeb();
doc = webClient.Load(Url);
isok = false;
if (!string.IsNullOrEmpty(lbl_message.Text))
{
lbl_ok.Text = "正在讀取中，請稍後...";
lbl_message.Text = "";
}
return doc;
}
}
catch (Exception ex)
{
lbl_ok.Text = "";
lbl_message.Text = "提示：" + ex.Message + "正在嘗試重新連接";
isok = false;
//this.btn_sure.Enabled = true;
//myTimer.Close();
}
}
return doc;
//}
//else
//{
lbl_ok.Text = "";
lbl_message.Text = "提示：未獲取到有效的代理IP";
this.btn_sure.Enabled = true;
myTimer.Close();
return null;
//}

}
}

 

/// <summary>
/// 讀取代理IP，並驗證代理IP的可用性
/// </summary>

public static class RedirHelper
{
public static List<proxy> masterPorxyList = new List<proxy>();//代理ip集合
public static List<proxy> list_proxy = new List<proxy>();//有效的代理ip集合

//代理IP網址
private static string address_ip3366 = "http://www.ip3366.net/?stype=1&page={0}";
//代理IP類
public class proxy
{
public string ip { get; set; }

public int port { get; set; }

public string speed { get; set; }

public proxy(string pip, int pport, string speed)
{
this.ip = pip;
this.port = pport;
this.speed = speed;
}
}

/// <summary>
/// 驗證代理IP是否有效的方法
/// </summary>
/// <param name="IP"></param>
/// <param name="port"></param>
/// <returns></returns>
public static void YanzhengIp()
{
bool isok = true;
int index = 0;
while (isok)
{
try
{
if (masterPorxyList != null && masterPorxyList.Count > 0)
{
//設置代理IP
WebProxy proxyObject = new WebProxy(masterPorxyList[index].ip, masterPorxyList[index].port);
//向指定地址發送請求
HttpWebRequest HttpWReq = (HttpWebRequest)WebRequest.Create("http://www.baidu.com");
HttpWReq.Proxy = proxyObject;
HttpWReq.Timeout = 3000;
HttpWebResponse HttpWResp = (HttpWebResponse)HttpWReq.GetResponse();
using (StreamReader sr = new StreamReader(HttpWResp.GetResponseStream(), Encoding.UTF8))
{
proxy temp = new proxy(masterPorxyList[index].ip, masterPorxyList[index].port, "");
list_proxy.Add(temp);
list_proxy = list_proxy.Where((x, i) => list_proxy.FindIndex(z => z.ip == x.ip) == i).ToList();//去重
isok = true;
}
}
}
catch (Exception ex)
{
isok = true;
Console.WriteLine(ex.Message);
}
index++;
if (index == masterPorxyList.Count)
{
index = 0;
list_proxy.Clear();//清除集合數據重新賦值
}
}
}

/// <summary>
/// 抓取代理Ip,分頁
/// </summary>
/// <param name="pageIndex">分頁</param>
/// <returns></returns>
/// object index,System.Timers.ElapsedEventArgs e
public static void getProxyList()
{
List<proxy> proxy_count = new List<proxy>();
while (true)
{
for (int i = 1; i <= 2; i++)
{
string urlCombin = string.Format(address_ip3366, i);
string catchHtml = catchProxIpMethord(urlCombin, "");
HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(catchHtml);
HtmlNodeCollection hrefList = doc.DocumentNode.SelectNodes("//table");
if (hrefList != null)
{
foreach (HtmlNode table in doc.DocumentNode.SelectNodes("//table"))
{
// .// tr 獲取當前table下麵的，//tr 檢索整個界面的tr
foreach (HtmlNode row in table.SelectNodes(".//tr"))
{
if (row.SelectNodes("th") == null)
{
if (row.SelectNodes("td") != null)
{
string ip = row.SelectNodes("td")[0].InnerText.Trim().ToString();
int port = Convert.ToInt32(row.SelectNodes("td")[1].InnerText.Trim());
proxy temp = new proxy(ip, port, "");
proxy_count.Add(temp);
}
}
}
}
}
}
masterPorxyList = proxy_count.Where((x, j) => proxy_count.FindIndex(z => z.ip == x.ip) == j).ToList();//去重
}
}
//抓網頁方法
public 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;
}
else
{
ec = Encoding.GetEncoding("GB2312");
}
StreamReader reader = new StreamReader(datastream, ec);
htmlStr = reader.ReadToEnd();
reader.Close();
datastream.Close();
response.Close();
}
}
catch { }
return htmlStr;
}
}

/// <summary>
/// 讀取過保存值到txt中
/// </summary>

public class TXTHelper
{
public static String SavaProcess(string data, string sort)
{
if (!string.IsNullOrEmpty(data))
{
System.DateTime currentTime = System.DateTime.Now;
//獲取當前日期的前一天轉換成ToFileTime
string strYMD = currentTime.ToString("yyyyMMddHHmmssfff");
//按照日期建立一個文件名
string FileName = strYMD + ".txt";
//獲取當前項目所在磁碟
string CurDir = System.Windows.Forms.Application.StartupPath.Substring(0, System.Windows.Forms.Application.StartupPath.IndexOf(':')) + ":\\" + @"SaveDir";
//判斷路徑是否存在
if (!System.IO.Directory.Exists(CurDir))
{
System.IO.Directory.CreateDirectory(CurDir);
}
string name = CurDir + "\\" + @"" + sort + "";
if (!System.IO.Directory.Exists(name))
{
System.IO.Directory.CreateDirectory(name);
}
CurDir = name;
//不存在就創建
String FilePath = CurDir + "\\" + FileName;
////文件覆蓋方式添加內容
System.IO.StreamWriter file = new System.IO.StreamWriter(FilePath, false);
//保存數據到文件
file.Write(data);
//關閉文件
file.Close();
//釋放對象
file.Dispose();
return FilePath;
}
else
{
return "";
}
}
/// <summary>
/// 讀取txt文件
/// </summary>
/// <param name="path"></param>
/// <returns></returns>

public static List<string> Read(string path)
{
StreamReader sr = new StreamReader(path, Encoding.Default);
String line;
List<string> list = new List<string>();
while ((line = sr.ReadLine()) != null)
{
if (!string.IsNullOrEmpty(line.ToString()))
{
list.Add(line.ToString());
}
}
list = list.Distinct().ToList();
return list;
}
}


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • Java開發筆記（九十七）利用Runnable啟動線程
    前面介紹了線程的基本用法，按理說足夠一般的場合使用了，只是每次開闢新線程，都得單獨定義專門的線程類，著實開銷不小。註意到新線程內部真正需要開發者重寫的僅有run方法，其實就是一段代碼塊，分線程啟動之後也單單執行該代碼段而已。因而完全可以把這段代碼抽出來，把它定義為類似方法的一串任務代碼，這樣能夠像調 ...
  • 題解 UVA12206 【Stammering Aliens】
    終於A了這道題啊(坑啊) 教練說：這道題不能用map吧，複雜度不一個O(nlogn)嗎 於是我就一直想不出來，然後看題解代碼，一看就是map... 所以我就在想，那複雜度是不是也不是O(nlogn)呢 教練看了半天，說：好像確實不是誒 原來阻擋我的最大障礙是教練啊!!!(當時只給題面，也不知道時限) ...
  • [開源]OSharpNS 步步為營系列 - 4. 添加業務對外API
    一個模塊的 API層（Web層），主要負責如下幾個方面的工作：接收 前端層 提交的數據查詢請求，使用 服務層 提供的 IQueryable 查詢數據源，查詢出需要的數據返回前端。接收 前端層 提交的業務處理請求，調用 服務層 的服務，處理業務需求，並將操作結果返回前端。使用MVC的 Area-Co... ...
  • Ocelot - .Net Core開源網關
    Ocelot .Net Core開源網關 作者：markjiang7m2 原文地址： 源碼地址：https://gitee.com/Sevenm2/OcelotDemo 今天要給大家介紹的Ocelot是一個基於 .net core的開源WebAPI服務網關項目，它的功能非常強大，包括了路由、請求聚合 ...
  • c#之添加window服務(定時任務)
    本文講述使用window服務創建定時任務 1.如圖，新建項目，windows桌面->windows服務 2.如圖，右鍵，添加安裝程式 3.在下圖安裝程式 serviceInstaller1 上右鍵，修改serviceName和Description 4.如圖，在 serviceProcessInst ...
  • .net core 讀取、修改配置文件appsettings.json
    .net core 設置讀取JSON配置文件 appsettings.json Startup.cs 中 類庫中 使用 這種方法可以保證可以修改正在運行的dotnet core 程式，不需要重啟程式 使用Newtonsoft.Json 查詢/修改，以及修改 appsettings.json 文件 R ...
  • 解決GitHub載入和下載慢問題
    主要是通過修改HOSTS來，解決GitHub載入和下載慢問題。 ...
  • SmartSql使用教程（1）——初探，建立一個簡單的CURD介面服務
    SmartSql = MyBatis + Cache(Memory | Redis) + R/W Splitting +Dynamic Repository + Diagnostics ...... ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發（一）：使用.NET MAUI開發第一個安卓APP
    移動開發（一）：使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說，近來想嘗試開發一款安卓APP，考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP，畢竟是使用Visual Studio開發工具，使用起來也比較的順手，結合微軟官方的教程進行了安卓 ...
  • wpf ToggleButton選中效果和一個登錄界面
    前言 QuestPDF 是一個開源 .NET 庫，用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫，它徹底改變了我們生成 PDF 文檔的方 ...
  • 彈幕樹洞項目功能新增篇
    項目地址 項目後端地址： https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址： ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址： http://tree ...
  • 第27篇 sqlserver2022詳細安裝步驟
    話不多說，直接開乾 一.下載 1.官方鏈接下載： https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe，運行開始下載SQL server； 二. ...
  • .NET 開源高性能 MQTT 類庫
    前言 隨著物聯網（IoT）技術的迅猛發展，MQTT（消息隊列遙測傳輸）協議憑藉其輕量級和高效性，已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫，為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog文檔翻譯系列（六） - 可用的接收器、增強器、格式化輸出
    Serilog支持多種接收器用於日誌存儲，增強器用於添加屬性，LogContext管理動態屬性，支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項，適用於不同需求。 ...
  • 警惕 Visual Studio 屬性求值副作用導致邏輯不符合預期
    目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據，爬取信息時需要模擬瀏覽器行為，否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下： 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • [使用目前最新版]HybridCLR6.9.0+YooAsset2.2.4實現純C# Unity熱更新方案 (一)
    1.前言 什麼是熱更新 游戲或者軟體更新時，無需重新下載客戶端進行安裝，而是在應用程式啟動的情況下，在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR，Xlua，ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles，Addressable， ...
  • 在 ASP.NET Core Web API 中使用操作篩選器統一處理通用操作
    本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺，其實像阿裡雲，騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後，它會送 ...
  • 第28篇 如何.net中實現高效可靠數據同步api
    通過以下方式可以高效，並保證數據同步的可靠性 1.API設計 使用RESTful設計，確保API端點明確，並使用適當的HTTP方法（如POST用於創建，PUT用於更新）。 設計清晰的請求和響應模型，以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證，確保接收到的數據符合預期格 ...
所有分類