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

% w( i! [7 a  o1 E, ?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
* i: p3 Y' l3 ^2 ^# B4 `: O; E( Y$ n* ]刚找到方法采，都差不多那算了

& R3 \$ T. W) c+ L+ G9 r. S5 T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
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 ...

1 G, ^1 {1 s- P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
8 @3 k8 S8 ~4 Z3 e$ B1、google  iP 代理，会找到一些提供免费代理ip网站
& I5 v( ?$ `8 H5 Z7 A2、分别打开每个网站，复制ip和端口号到excell
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
5、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
% m8 C- G( Q6 e" |! ?8、重复以上步骤

阿百川

jk1s 发表于 2013-12-8 17:31
我曾使用的办法
7 D$ Z+ }: \; N& s% E* B1、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 ...

也是采集的ez？多久之前？
2 n' t& @. @) h4 K1 w+ |- D) _7 E8 e
尝试过使用代理，效率很差