C#多线程爬虫抓取免费 * 的示例代码

作者:L-H 时间:2023-02-08 01:22:01 

这里用到一个HTML解析辅助类:HtmlAgilityPack,如果没有网上找一个增加到库里,这个插件有很多版本,如果你开发环境是使用VS2005就2.0的类库,VS2010就使用4.0,以此类推..........然后直接创建一个控制台应用,将我下面的代码COPY替换就可以运行,下面就来讲讲我两年前做爬虫经历,当时是给一家公司做,也是用的C#,不过当时遇到一个头痛的问题就是抓的图片有病毒,然后系统挂了几次。所以抓网站图片要注意安全,虽然我这里没涉及到图片,但是还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>();
   // * 类
   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;
      }

}
   //抓去处理方法
   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("//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中第一个是能用的代理标题,所以这里从第二行TR开始取值
         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));
           //如果速度展示条的值大于90,表示这个代理速度快。
          if (subSpeed > 90)
           {
             proxy temp = new proxy(ip, port, subSpeed);

masterPorxyList.Add(temp);
             Console.WriteLine("当前是第:" + masterPorxyList.Count.ToString() + "个 * ");
           }

}

}

}

//抓网页方法
   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)
    {
      //多线程同时抓15页
      for (int i = 1; i <= 15; i++)
      {

ThreadPool.QueueUserWorkItem(getProxyList, i);
      }
      Console.Read();
    }

}

来源:http://www.cnblogs.com/xiaoliao/p/7436711.html?utm_source=tuicool&utm_medium=referral

标签:C#,爬虫, ,
0
投稿

猜你喜欢

  • C# 使用鼠标点击对Chart控件实现数据提示效果

    2023-03-05 14:20:06
  • 详解Java代码常见优化方案

    2023-11-29 03:13:04
  • 基于Tomcat7、Java、WebSocket的服务器推送聊天室实例

    2023-11-25 23:35:34
  • java实现邮件发送

    2022-06-03 02:48:20
  • C#创建不规则窗体的4种方式详解

    2021-08-08 09:00:43
  • eclipse端口被占用问题的解决方法

    2022-10-04 07:01:54
  • Android双击事件拦截方法

    2022-07-21 19:33:30
  • 详解C#中的依赖注入和IoC容器

    2023-03-11 09:05:19
  • Android应用中绘制圆形头像的方法解析

    2022-02-06 00:46:52
  • android计算器代码示例分享

    2023-10-14 14:06:58
  • 浅谈collection标签的oftype属性能否为java.util.Map

    2023-03-19 23:16:15
  • Flutter实现固定header底部滑动页效果示例

    2022-06-15 06:31:05
  • Spring AOP面向切面编程实现原理方法详解

    2021-07-22 00:26:07
  • C#中闭包概念讲解

    2022-08-16 05:16:28
  • Android手势密码view学习笔记(二)

    2023-08-14 16:06:35
  • 深入了解Java接口回调机制

    2023-11-09 15:52:05
  • 线程池中execute与submit的区别说明

    2023-03-18 23:09:04
  • Android实现可滑动的自定义日历控件

    2022-09-01 02:12:21
  • Springboot日志开启SLF4J过程解析

    2022-04-23 01:29:57
  • Java多线程编程之读写锁ReadWriteLock用法实例

    2021-10-13 17:01:14
  • asp之家 软件编程 m.aspxhome.com