C#爬虫通过代理刷文章浏览量

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，（这里是随便csdn或者其他地方的有浏览量的文章），刷的时间不短，主要是因为代理太少了。

主要代码如下：

redishelper.cs

原文链接：https://www.cnblogs.com/zhangmumu/p/9275383.html