求采集ezinearticles的高招，封ip太狠了

阿百川

小俞 发表于 2013-11-23 17:11
" B. w" Y7 d  ^: W三分钟50几篇文章，不换IP算什么水平

直接采EZ？哪里的网络？

9 c* F0 N! F6 h  e/ L6 O9 O我这里联通adsl还有部分无法打开EZ

小俞

* k# }/ P" z% c  u: W9 s
为什么我可以直接采，没提示什么IP
5 a% ?% D, L" r% X# Q+ D5 `/ H福州铁通网络
  w& d5 R" Q! `; w2 M: j本次采内容成功843条,失败0条,开始时间:2013-11-23 17:20:21,结束时间:2013-11-23 17:29:10

" ~: Y- j3 ]! x2 o% ^, g这什么站啊 SITE有600多W数据
数据值钱不，要不要采光他

阿百川

小俞 发表于 2013-11-23 17:28
为什么我可以直接采，没提示什么IP
福州铁通网络
  e5 |' g' P+ r" l* o& D本次采内容成功843条,失败0条,开始时间:2013-11-23 17:20: ...

重要的内容源，能采就尽量采吧

小俞

测试采了1W数据，开了6个任务，每个任务10个线程，10分钟后也挂了。。。。

阿百川

小俞 发表于 2013-11-23 18:03
6 R& z; M% a6 r# h1 F测试采了1W数据，开了6个任务，每个任务10个线程，10分钟后也挂了。。。。

伤心，还以为铁通可以采呢

shanguiyao

通过代理工具。先跑出来几百个代理。然后写个程序，随机代理去采集。我写了个简单的。基于c#的。不过只能跑单线程的。多线程还是要自己封包。

阿百川

shanguiyao 发表于 2013-11-24 18:15
3 Q. p8 X& g, n7 X2 R7 q通过代理工具。先跑出来几百个代理。然后写个程序，随机代理去采集。我写了个简单的。基于c#的。不过只能跑 ...

跑了几百个公共代理，用python开5线程，采了不到100都挂了

shanguiyao

阿百川 发表于 2013-11-25 07:45
跑了几百个公共代理，用python开5线程，采了不到100都挂了

. y/ e( r2 a5 b9 x代理也分透明代理,高匿代理的.主要看对方检查严格不严格了.检查严格的.透明代理基本上没啥用的.

阿百川

shanguiyao 发表于 2013-11-26 15:44
代理也分透明代理,高匿代理的.主要看对方检查严格不严格了.检查严格的.透明代理基本上没啥用的. ...

/ G" {7 K& `  A$ O- c* _+ ^9 e( ^7 c8 L直接用ez做验证，pass的才使用

goog1e

ipv6试试看.

小俞

700分类，17W5000多分页，500多W数据，一天10W数据。要采50天

阿百川

goog1e 发表于 2013-11-26 17:40
& s( C! G" t4 o9 ~' C! kipv6试试看.

一下午没搞定ipv6

阿百川

小俞 发表于 2013-11-26 18:18
/ J2 e. y1 T" B' i# F$ ^& g8 S700分类，17W5000多分页，500多W数据，一天10W数据。要采50天

9 v  Z' E- Q7 J6 }1 i有站点地图，而且很容易过滤出文章url

小俞

你差多少数据来着

阿百川

小俞 发表于 2013-11-26 20:22
( n9 {+ j8 C1 \你差多少数据来着

十几万，用gg缓存采的差不多了，本来想搞整站来着