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
  s& Y! q% a1 j/ t: o6 ^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？

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
0 _. B" a, A4 r
9 f! u( z6 I. A/ g2 G这什么站啊 SITE有600多W数据
6 B+ w* X) l# V! o& n数据值钱不，要不要采光他

阿百川

小俞 发表于 2013-11-23 17:28
- M7 G7 _! X5 A为什么我可以直接采，没提示什么IP
福州铁通网络
, n+ G  B; Q. \8 z; @7 q本次采内容成功843条,失败0条,开始时间:2013-11-23 17:20: ...

  G# s1 C) u- T% ]- |3 {( Y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
3 |1 ^& \! O6 q# l$ Y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 ...

% ^) c5 X4 q# J) A: p, O( L& V" Q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

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
! a" }+ n9 @  J1 K& }. N  y% @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
, n& d( o8 v5 [7 tipv6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
, @6 g; V, I8 |" k你差多少数据来着

$ D; D; k$ l8 K& x4 O1 ]0 \十几万，用gg缓存采的差不多了，本来想搞整站来着