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
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？
$ L* |$ u- y5 c1 Q& \9 P/ f. T  s
) m, i5 i! }: [- h6 H4 w8 p3 J我这里联通adsl还有部分无法打开EZ

小俞

2 Y4 r) q, E4 `8 u  e3 y( F% @
' o5 a/ M: u6 O- t4 n3 L' [为什么我可以直接采，没提示什么IP
/ d4 t8 o9 `* J; L7 \! D3 L福州铁通网络
4 G+ l5 _9 `; `( F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

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
" f& L# D. z. K0 Q( h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: ...

& }. w2 ?# R& ?9 t0 K" y/ s4 ~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。。。。

- ~0 Z/ F. o! U" X# w& N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
5 u- T0 c! p  Y+ A# q& T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 ...

  P+ J' e$ B0 o/ F; O6 A1 `4 ]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
, q: R; G2 _  @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 E5 T) N- [! b0 m. [+ r, o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. x; ?- K7 u* c" y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
- Q' w- d/ h8 N$ p- b/ n$ |" ]ipv6试试看.

/ Q+ ~8 _, ^& I+ ^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

( d5 |6 u7 G9 K/ V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

十几万，用gg缓存采的差不多了，本来想搞整站来着