求采集ezinearticles的高招，封ip太狠了

微笑君

可以修改 User Agent 为google的爬虫，它就不敢轻易的封你了

小俞

阿百川 发表于 2013-11-26 20:54
十几万，用gg缓存采的差不多了，本来想搞整站来着

0 w3 Y" n; t, U! Q6 z( f刚找到方法采，都差不多那算了

阿百川

微笑君 发表于 2013-11-26 21:02
8 N' w1 o0 M, p: S8 _$ E可以修改 User Agent 为google的爬虫，它就不敢轻易的封你了

' {& l- E: y# |% u各种爬虫、手机端的ua都试过，没用

阿百川

小俞 发表于 2013-11-26 21:14
刚找到方法采，都差不多那算了

4 X( n$ G' X+ T求方法，看看可不可以提高效率去扒整站

测试时间间隔撒，采集这个本来就是长期打算的，楼主太急了。不要一下子吃成胖子哈

阿百川

SIR 发表于 2013-11-27 07:41
5 @; `( `; l. g& R测试时间间隔撒，采集这个本来就是长期打算的，楼主太急了。不要一下子吃成胖子哈 ...

恩，看现在这批数据的处理结果如何，如果不错就慢慢采

jk1s

我曾使用的办法
1、google  iP 代理，会找到一些提供免费代理ip网站
, |6 \! ^# J! K* y0 e6 x( ~- {2、分别打开每个网站，复制ip和端口号到excell
1 R! V% }/ q( t+ x& t) Z7 V3、调整excell，最终得到一个表只有一列，形如199.199.199.199:199，过程繁琐，不过熟练了也快
4、所有的ip和端口号用逗号隔开，保存到一个文本文件
5、php做一个程序，读取这个文本文件，按逗号保存到一个数组中，每次随机取出一个
6、php写一段采集代码，用取出的这个代理ip，用完以后从数组中删除这个ip，把整个数组再用逗号隔开，保存到同名文本文件
7 B, S( e( N) L. }: g) t; G7、隔几天到那几个网站，复制新的代理ip
1 b! a9 C! j3 F$ T8、重复以上步骤

阿百川

jk1s 发表于 2013-12-8 17:31
我曾使用的办法
+ |6 e4 @( ?3 m0 ^0 ^, G# c1、google  iP 代理，会找到一些提供免费代理ip网站
+ F$ {9 {1 ?* U% F8 h4 s2、分别打开每个网站，复制ip和端口号 ...

也是采集的ez？多久之前？

/ e/ Q. R2 z4 J尝试过使用代理，效率很差