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
! Q( n( P# ]& ?7 {; c( Z/ z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
! b3 i* O- M  c& J: Z" f可以修改 User Agent 为google的爬虫，它就不敢轻易的封你了

0 l/ u" c8 n9 W! M5 ^: \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

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
, C) Z+ O. ~) V' F& V; m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
- U- Z" @3 D, y& ]% i7 I2、分别打开每个网站，复制ip和端口号到excell
& K8 V" v7 a  j+ r8 T+ @6 n" w3、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
7 T7 J- o& D4 q" s% @% e* Q( F3 Q* s$ j4、所有的ip和端口号用逗号隔开，保存到一个文本文件
7 K1 f7 a5 ]% V' D5、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
  \& b; {/ B; d  @8 j4 j7、隔几天到那几个网站，复制新的代理ip
' q/ ?* t/ F8 G5 x, D3 j8、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
1、google  iP 代理，会找到一些提供免费代理ip网站
, G9 x9 `; h8 {& X; N/ A: f% l( L2、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？

: o1 @+ Q8 ]( V尝试过使用代理，效率很差