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
* B7 O+ q- x- g! P; Q) _! z3 c三分钟50几篇文章，不换IP算什么水平

  r  w* \6 m0 d+ x$ o8 h2 _直接采EZ？哪里的网络？
& Y7 u( [  w; l8 G* H1 Y- I
; S# B7 g* I0 Q, n6 d我这里联通adsl还有部分无法打开EZ

小俞

" o/ e) X3 t# I$ M+ j9 e# Z2 L; ^- A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

# e5 V/ u7 u/ _; Z) p' z5 D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
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
$ r1 u4 Y, ]+ {& c) u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 ...

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
% y5 s2 u# d; f' b跑了几百个公共代理，用python开5线程，采了不到100都挂了

& z3 X' E# x- n, V! v0 o/ |. z) h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
* u3 ^- ?! z% h' Eipv6试试看.

一下午没搞定ipv6

阿百川

小俞 发表于 2013-11-26 18:18
" z- ?! `2 l% z700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