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
. W$ G! q' Y6 u" {- b6 `# e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？
, Y- |# |0 L8 l+ C: l; ~  v
我这里联通adsl还有部分无法打开EZ

小俞

为什么我可以直接采，没提示什么IP
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

1 K) t% R9 {& c* h7 w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
6 ]; E) M- B+ E: B1 t" S& n9 J3 W4 z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: ...

3 m& H( S# S0 W" N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
* t/ D* B5 `& G6 n  y3 @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 ...

; O1 l3 J7 |' g4 p4 y  o" k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
2 ~6 r* g  F5 D0 i) {' d跑了几百个公共代理，用python开5线程，采了不到100都挂了

( |+ U* J5 U* L6 L; z! n8 L1 q. T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
- }: ?+ {, M. I% H3 R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
ipv6试试看.

一下午没搞定ipv6

阿百川

小俞 发表于 2013-11-26 18:18
8 O' X8 V3 z% f! V2 R700分类，17W5000多分页，500多W数据，一天10W数据。要采50天

$ U8 T+ [% o2 j0 J1 q8 c2 Z# r" w* ]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
) Q$ j, C+ r# F) \5 k2 ]8 u  f你差多少数据来着

. \3 W  P& ]) I; Z& y3 l6 z' K十几万，用gg缓存采的差不多了，本来想搞整站来着