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
' y* U; o, o) A& M十几万，用gg缓存采的差不多了，本来想搞整站来着

9 n# ?# b: l0 U7 y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
; i8 U8 ~* f0 @* C6 ]+ T8 u可以修改 User Agent 为google的爬虫，它就不敢轻易的封你了

# u, ^8 ^4 r/ a) a9 o- A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
' ^# n' s. A  ~$ }刚找到方法采，都差不多那算了

1 o* U' R4 i  m3 u9 c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 ...

7 }( V/ \6 I  L) l! F9 b' _- h  Q  y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
1、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
6 `6 f2 [9 k# h% ]9 v/ z9 N) r3、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
7 J) ]/ O- |8 j5 I2 ?4、所有的ip和端口号用逗号隔开，保存到一个文本文件
! \4 m( K$ n9 ]  [! d6 H* |+ z5、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
! J4 y! d2 o9 Y3 s+ `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
我曾使用的办法
' H3 C$ D; \3 l! }6 Y1、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？

尝试过使用代理，效率很差