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

6 {; t% n8 R" A4 \) o: T- |. b! u$ T直接采EZ？哪里的网络？
- X2 U( |1 N- y: U: q0 D* l
我这里联通adsl还有部分无法打开EZ

小俞

  V# C& w+ U. P6 I0 b
+ h5 A( ?8 g6 P4 z) Q为什么我可以直接采，没提示什么IP
3 a# d' L1 P2 G- L. P+ s8 `福州铁通网络
2 l& G4 B' o! w; o$ C9 r8 O* i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
9 ?# I& a' R7 e' w+ u
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
. s! t- r6 O+ e; `为什么我可以直接采，没提示什么IP
  K$ r6 F- O' Q2 b/ B1 ~% g" X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
; O% Y0 J8 f( r6 }7 @% r1 F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 ...

% K+ |# n: O& ]' `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

- a' z  t1 @( i. V4 T5 e  I  v0 \( ]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. ...

! j' u: G8 ~$ I5 y6 l8 ]9 h, v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
ipv6试试看.

3 i' D7 [; S6 {# W+ @) L- }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

7 u+ H( W3 N6 l  N8 b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
* y  y" X( I/ U5 `# W- X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