使用 WebRequest 尝试了太多重定向

Question

当尝试抓取网页的 html 时，我偶尔会收到“尝试重定向过多”的异常。

这种网站的一个例子是http://www.magicshineuk.co.uk/

通常我会将超时设置为 6 秒……但即使设置为 30 秒，并且允许的最大重定向数设置为 200 之类的疯狂值，它仍然会抛出“重定向过多”异常，或者，将发生超时。

我该如何解决这个问题？

我的代码在下面...

    try
{

   System.Net.WebRequest request = System.Net.WebRequest.Create("http://www.magicshineuk.co.uk/");

   var hwr = ((HttpWebRequest)request);

   hwr.UserAgent ="Mozilla/5.0 (Windows NT 10.0; WOW64; rv:42.0) Gecko/20100101 Firefox/42.0";
   hwr.Headers.Add("Accept-Language", "en-US,en;q=0.5");
   hwr.Headers.Add("Accept-Encoding", "gzip, deflate");

   hwr.ContentType = "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8"; ;
   hwr.KeepAlive = true;
   hwr.Timeout = 30000;   // 30 seconds...  normally set to 6000
   hwr.Method = "GET";
   hwr.AllowAutoRedirect = true;
   hwr.CookieContainer = new System.Net.CookieContainer();

   // Setting this Makes no difference... normally I would like to keep to a sensible maximum but I will leave as the default of 50 if needs be... 
   // Either way, the Too Many Redirections exception occurs
   hwr.MaximumAutomaticRedirections = 200;   

   using (var response = (HttpWebResponse)hwr.GetResponse())
   {

       Console.WriteLine(String.Format("{0} {1}", (int)response.StatusCode, response.StatusCode));
       Console.WriteLine(response.ResponseUri);
       Console.WriteLine("Last modified: {0}", response.LastModified);
       Console.WriteLine("Server: {0}", response.Server);
       Console.WriteLine("Supports Headers: {0}", response.SupportsHeaders);
       Console.WriteLine("Headers: ");

       // do something... e.g:
       int keyCount = response.Headers.Keys.Count;
       int i = 0;
       Dictionary<string, string> hc = new Dictionary<string, string>();
       foreach (var hname in response.Headers)
       {
          var hv = response.Headers[i].ToString();
          hc.Add(hname.ToString(), hv);
          i++;
       }
       foreach (var di in hc)
       {
          Console.WriteLine("  {0} = {1}", di.Key, di.Value);
       }

   }


}
catch (Exception ex)
{
    Console.WriteLine("Exception: ");
    Console.WriteLine(ex.Message);
}   

Answer 1

我试过你的代码，我需要注释掉// hwr.Host = Utils.GetSimpleUrl(url);，它运行良好。如果您经常轮询，那么目标站点或介于两者之间的站点（代理、防火墙等）可能会将您的轮询识别为拒绝服务，并在一定时间内将您超时。或者，如果您位于公司防火墙后面，您可能会从内部网络设备接收到类似的信息。

您多久运行一次此抓取工具？

编辑添加：

• 我使用 .net 4.52、Windows 7 x64、Visual Studio 2015 进行了尝试

• 目标站点也可能不可靠（上下）

• 您和目标站点之间可能存在间歇性网络问题
• 他们可能会公开一个更可靠的集成 API