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
6 {. v& b; y" {# r5 N! v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？
' t/ i( ^  F6 s
+ `3 o. Z( ?2 b/ r4 ?我这里联通adsl还有部分无法打开EZ

小俞

1 I, h$ _$ \3 l1 K% a# k为什么我可以直接采，没提示什么IP
' F) D# O7 t6 X6 `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

; C. Q" w8 j0 y这什么站啊 SITE有600多W数据
& z. @5 V& ?! p) I数据值钱不，要不要采光他

阿百川

小俞 发表于 2013-11-23 17:28
* v# Q( g) S3 [9 @6 K  v  x$ E为什么我可以直接采，没提示什么IP
) B& J; b: u0 ]" N, B3 x6 F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: ...

1 ^7 D+ C2 `7 O4 i7 h9 ^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
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 ...

6 `( \4 i9 C, F( W- `( S' n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

( D5 ~7 ~  ~& r9 Z, C2 z( Q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. ...

- s& A7 G. @( R& d% J; _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
8 E  o( D' r8 V- L9 B/ O1 U4 Y* ^1 oipv6试试看.

; _+ v9 R4 l7 N* w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

% F. s6 L& {: M* H/ 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
你差多少数据来着

4 Q; N) T. T$ \5 w! n十几万，用gg缓存采的差不多了，本来想搞整站来着