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
% w6 d+ B5 L2 Z十几万，用gg缓存采的差不多了，本来想搞整站来着

: i+ B: d( m: V0 B, n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
3 A5 L) e  g! F/ o/ N可以修改 User Agent 为google的爬虫，它就不敢轻易的封你了

6 s) ^& F' k# Y- O. T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
# }2 S- `: {* w. S; c% u3 ]刚找到方法采，都差不多那算了

( r- y2 S9 |( ~  p) B% s" b8 A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
, i5 `& c4 {' X- l7 k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
, w% x! ~1 R# |  \0 p2、分别打开每个网站，复制ip和端口号到excell
3、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、隔几天到那几个网站，复制新的代理ip
0 g' N6 b2 m/ e2 J4 I  B" x) O% ~8、重复以上步骤

阿百川

jk1s 发表于 2013-12-8 17:31
2 D8 A' V. y5 @( y我曾使用的办法
- O+ [( d2 K; r# ^8 Z0 E1、google  iP 代理，会找到一些提供免费代理ip网站
* ]( o6 H4 {% L2、分别打开每个网站，复制ip和端口号 ...

; F8 ~1 u: U% N4 x& @8 u也是采集的ez？多久之前？
' p8 E/ H: s* G: E0 Y- j
尝试过使用代理，效率很差