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
. x6 {  P2 {% w* h& r; h三分钟50几篇文章，不换IP算什么水平

, t1 V' R0 }& S, J% ~* Z4 g7 R直接采EZ？哪里的网络？
/ e$ h$ h1 M6 D! c; Q2 c/ ~2 \  N
我这里联通adsl还有部分无法打开EZ

小俞

# r/ ]! H: y5 z, w& V% g
( U& U; Q) i( Y  w  x, f) T7 d0 Q为什么我可以直接采，没提示什么IP
福州铁通网络
: N+ j* u1 E* }5 e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

) m: ^" |6 |$ ^; }8 [& M8 H这什么站啊 SITE有600多W数据
  D' E; F/ C: t7 C数据值钱不，要不要采光他

阿百川

小俞 发表于 2013-11-23 17:28
5 r8 W) B) Y5 l1 b. K为什么我可以直接采，没提示什么IP
' a$ U; v- ^4 D3 t) S7 M8 u- i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
2 [: S9 @0 G. K* D% _+ |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。。。。

) Y5 l" Y- K) J! \0 B; B; ?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 ...

# D  O1 w2 A8 b( X8 V1 ^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

, s: [) q" @9 o8 Z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. ...

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
2 g( i6 u/ u3 m# @, Nipv6试试看.

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

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