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
可以修改 User Agent 为google的爬虫，它就不敢轻易的封你了

4 @$ @* ]. C, ]5 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
刚找到方法采，都差不多那算了

8 V0 G* J% o" Y9 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
5 Z$ g! f) t* M1 y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 ...

/ p" O7 c' x0 r+ d7 u1 x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
/ }! A2 f) w/ E# J/ y1、google  iP 代理，会找到一些提供免费代理ip网站
% K* }' U% I9 K0 R0 T2、分别打开每个网站，复制ip和端口号到excell
$ ]) x5 b0 e1 _! }$ N$ J; P% Q3、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
: _9 W7 l- t$ m8 e6、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
8、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
! W# J& m/ {! H2 Z9 j* U5 h, G1、google  iP 代理，会找到一些提供免费代理ip网站
/ V( _. U7 o# J/ E6 O1 @2 ^* W2、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？

& f- a3 d& |! t7 z9 Y尝试过使用代理，效率很差