C#多线程爬虫抓取免费 * 的示例代码

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