求采集ezinearticles的高招，封ip太狠了

微笑君

可以修改 User Agent 为google的爬虫，它就不敢轻易的封你了

小俞

阿百川 发表于 2013-11-26 20:54
十几万，用gg缓存采的差不多了，本来想搞整站来着

; c+ C9 r' t2 s9 Y  A! [刚找到方法采，都差不多那算了

阿百川

微笑君 发表于 2013-11-26 21:02
可以修改 User Agent 为google的爬虫，它就不敢轻易的封你了

各种爬虫、手机端的ua都试过，没用

阿百川

小俞 发表于 2013-11-26 21:14
4 {2 D' E- Q4 Z刚找到方法采，都差不多那算了

求方法，看看可不可以提高效率去扒整站

测试时间间隔撒，采集这个本来就是长期打算的，楼主太急了。不要一下子吃成胖子哈

阿百川

SIR 发表于 2013-11-27 07:41
: N$ k8 N8 `+ _/ u& ?2 E# C4 i测试时间间隔撒，采集这个本来就是长期打算的，楼主太急了。不要一下子吃成胖子哈 ...

+ O0 \* R" a7 r2 z6 T恩，看现在这批数据的处理结果如何，如果不错就慢慢采

jk1s

我曾使用的办法
/ n! e+ }2 N" F$ C" e. U1、google  iP 代理，会找到一些提供免费代理ip网站
2、分别打开每个网站，复制ip和端口号到excell
# i% v6 T/ M& H/ U( x0 m% @3、调整excell，最终得到一个表只有一列，形如199.199.199.199:199，过程繁琐，不过熟练了也快
4、所有的ip和端口号用逗号隔开，保存到一个文本文件
4 E$ u/ ]' g' b" e5 Z7 o" h! c5、php做一个程序，读取这个文本文件，按逗号保存到一个数组中，每次随机取出一个
6、php写一段采集代码，用取出的这个代理ip，用完以后从数组中删除这个ip，把整个数组再用逗号隔开，保存到同名文本文件
7、隔几天到那几个网站，复制新的代理ip
8、重复以上步骤

阿百川

jk1s 发表于 2013-12-8 17:31
# g0 k5 u. Z- j: u& V- P( u+ O$ J; ^我曾使用的办法
1、google  iP 代理，会找到一些提供免费代理ip网站
+ K3 Q! j( |+ p4 l) ^0 a8 R) G1 `2、分别打开每个网站，复制ip和端口号 ...

/ E4 f1 B) A) Q# ]( }也是采集的ez？多久之前？
2 q8 S( C4 V1 p# j1 U
尝试过使用代理，效率很差