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

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 E- Y, J  k: q1 s; J8 x6 y/ C! K( ]可以修改 User Agent 为google的爬虫，它就不敢轻易的封你了

6 S) E+ I7 d/ G0 M3 U: U9 g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
  q$ l3 s/ p6 g刚找到方法采，都差不多那算了

! x- i+ ~2 A( 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
2 w: K/ }6 B6 _: }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 ...

: v5 q  g7 G/ t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
6 N- E  ~3 W# G5 ?8 t6 R' }1、google  iP 代理，会找到一些提供免费代理ip网站
2、分别打开每个网站，复制ip和端口号到excell
# O" P5 x+ |- M$ |; D3、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
, q- g& k( U0 E9 O) G# q4、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、隔几天到那几个网站，复制新的代理ip
/ @* d( r4 D: ^/ o$ O0 q0 f1 \: u  s8、重复以上步骤

阿百川

jk1s 发表于 2013-12-8 17:31
6 b$ m# R& }" T7 w% L我曾使用的办法
. Z( J2 ?. I, x7 ^5 ~1、google  iP 代理，会找到一些提供免费代理ip网站
2、分别打开每个网站，复制ip和端口号 ...

5 s6 u7 M" ]! k2 D也是采集的ez？多久之前？
" M( Q' ~7 |. U/ Y- f! q
尝试过使用代理，效率很差