楼下哥们儿说"采集必死",我只想说“呵呵”

zaishanfeng

楼主目前有多少个站  流量有多少

weiai789

白龙君 发表于 2016-1-21 14:51
4 u2 w/ |* Q' f: I) p) \9 j; b除了火车头还能用啥采集啊。。。。。。。。

* e6 j% v3 ?) Y- Q- [1 d( D; r3 `+ u& O真要做全自动，一定要学python
! U/ U, j5 L% m% Y  C9 |  @/ t
; a# l7 e& C- d* T  `4 K& K1 L还有一些，比如验证码和代理。这2个可以用钱解决。

ads419

weiai789 发表于 2016-1-21 14:49
1 U5 u. S% s# r8 E  @BeautifulSoup用来解析 html
- A; ~5 ]4 @( H: z- ~. Y
) }. l. i: m6 H8 k& C1 wselenium用来做自动登录，有些内容是动态js调用的，比如QQ空间这种，你用c++ ...

刚才了解了一下，这个是自动化工具，我以为是爬虫，用爬虫也有专门的JS渲染插件。

kaylin0212

别人说有多好或不好，还不如自己去实践一遍

aabbccli

ads419 发表于 2016-1-21 14:54
刚才了解了一下，这个是自动化工具，我以为是爬虫，用爬虫也有专门的JS渲染插件。 ...

爬虫的JS渲染插件也是用的WEBKIT内核，比如pyspider就是用的phantomjs来渲染JS，和selenium调用phantomjs渲染效果一样。不过好像pyspider是把phantomjs运行起来当作服务器调用的(可以通过ip调用),而selenium是通过子进程调用来实现的，应该是pyspider性能要好一点吧。

阿百川

8 ^9 [' d6 h" U: e1 ]大把大把的采集站大把大把的拿流量
7 j! {, {0 b2 ]- c* E
jb51.net都N年了，百度、谷歌排名都很好
' o2 u( c+ B( S  d7 }
补几个卡饭seo：
, R; Q1 N$ K/ E) n2 ~https://www.v2ex.com/t/232328
4 r7 v# `  a. f9 X( n) i5 `https://www.zhihu.com/question/33195862
https://www.zhihu.com/question/35467213
http://bbs.kafan.cn/thread-1858326-1-1.html
http://koubei.baidu.com/s/kafan.cn?fr=search
) i$ ]! s, K+ s: R0 X3 k

tufei

楼主有推荐的python教程吗

一米

太专业不懂

laihappy

你们太骚了，哈哈 我学不来

moneybooks

都是技术流。。。

k_king

都是技术流，看不懂，擦

weiai789

tufei 发表于 2016-1-21 17:30
' q' @5 x  G, `$ Y8 T/ F楼主有推荐的python教程吗

+ g5 h' l' @" N# ?python核心编程
教程看一下就行了，都是那些东西，一通百通，函数，类。
, o$ {8 a8 o5 J9 z) |6 h
# \, t+ ?7 s5 c: B! N会用模块就行。

上帝的假牙

那文章我主要是说采集和搜索引擎之间的关系好吧？！
+ g3 `& {9 D$ ?) p  A不处理采集问题，搜索引擎会被采集网站“淹”死，而机器无法很好的识别采集网站，只有人工干预才能处理好采集问题，但是人工干预成本又会降低搜索引擎公司的利润，甚至拖垮搜索引擎公司。。。对搜索引擎公司来说这是一个两难的问题。
9 n2 t/ l# {5 H9 a5 A+ t- t' k" K
那文章写于2013年，正是谷歌人工干预最厉害的时候。

weiai789

上帝的假牙 发表于 2016-1-22 15:56
. k3 {7 f& W( y6 w那文章我主要是说采集和搜索引擎之间的关系好吧？！
' z! E. b3 @6 }& v. Y" K不处理采集问题，搜索引擎会被采集网站“淹”死，而机 ...

兄弟，没别的意思，表达一下做这行的感受而已。

若水

weiai789 发表于 2016-1-22 17:01
兄弟，没别的意思，表达一下做这行的感受而已。

做的国内的 还是国外的？ 兄弟