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
, `5 q* a$ J$ }十几万，用gg缓存采的差不多了，本来想搞整站来着

, j" u3 H1 [& j% t' Y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
: c5 K$ P5 r& T. Y可以修改 User Agent 为google的爬虫，它就不敢轻易的封你了

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

) f0 M" b# d0 T6 h: H+ D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
4 Q6 u4 Z& X1 x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 ...

( ]; d2 [- T' y4 A/ m( q+ Y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
  X) Q" i9 m4 v+ H% n2、分别打开每个网站，复制ip和端口号到excell
# ~* j' W" T6 M8 `6 Z( C3、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
  e% X3 p7 R+ o5、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
! t( G5 I. D2 ]7、隔几天到那几个网站，复制新的代理ip
7 A5 L: @8 ?2 g* f+ X! k( F1 P8、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
* w* E! q4 {# I, f2 q2、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？

6 ?# Y8 }& V8 l/ w7 z尝试过使用代理，效率很差