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
0 G/ ]( ]* g! j三分钟50几篇文章，不换IP算什么水平

6 V* g4 P! {& ^5 j( S直接采EZ？哪里的网络？

4 q# r/ w# e. S我这里联通adsl还有部分无法打开EZ

小俞

# V/ e" O5 N  \# }& c
为什么我可以直接采，没提示什么IP
' _% Q. U) Q9 U福州铁通网络
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
7 H0 r+ G  s# ]. m
7 l, d$ b/ o- f* n- Y9 ?8 D; Z这什么站啊 SITE有600多W数据
5 d- u* E' d$ H/ e数据值钱不，要不要采光他

阿百川

小俞 发表于 2013-11-23 17:28
) K! d8 V" X" t5 v# Z& g9 A为什么我可以直接采，没提示什么IP
2 t6 E2 U& p" y6 O; R- V福州铁通网络
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
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
! K( P5 ]! q, o# _! l0 \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
9 t! V6 W5 b# o5 z2 @跑了几百个公共代理，用python开5线程，采了不到100都挂了

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
3 [! n/ I/ `* P' f- G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. ...

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
' E' `1 g( ]' xipv6试试看.

' }0 s3 I, U+ ^1 d0 S- E4 n一下午没搞定ipv6

阿百川

小俞 发表于 2013-11-26 18:18
700分类，17W5000多分页，500多W数据，一天10W数据。要采50天

( I3 S: Q. Z3 ?8 k" k& q4 k4 h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
你差多少数据来着

& o, s" ^1 \+ k0 ~! b十几万，用gg缓存采的差不多了，本来想搞整站来着