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
除了火车头还能用啥采集啊。。。。。。。。

真要做全自动，一定要学python
% v. ]$ a( L, v8 C
还有一些，比如验证码和代理。这2个可以用钱解决。

ads419

- G6 m- ^. J7 a$ B

weiai789 发表于 2016-1-21 14:49
0 a$ [" k! M' K$ r& g4 OBeautifulSoup用来解析 html
3 j, ]! [3 X8 t8 @- j8 `9 e: v
: q2 {4 E2 B4 O8 Q, R* ?: h& [& tselenium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
# X- X+ M/ H) u) x4 p* X# ~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

大把大把的采集站大把大把的拿流量

+ d3 a  O$ Z' s1 J1 Djb51.net都N年了，百度、谷歌排名都很好
( u7 H0 I, q: E) T7 K+ y
" d6 D3 Q- E0 O1 D" W6 m' d0 z* L补几个卡饭seo：
7 C0 ]8 c+ h. ?! G2 u0 X, ]7 fhttps://www.v2ex.com/t/232328
5 J, [1 F3 c* ]! j3 G5 A+ yhttps://www.zhihu.com/question/33195862
https://www.zhihu.com/question/35467213
http://bbs.kafan.cn/thread-1858326-1-1.html
8 u+ ^& i6 m- P) t' b  mhttp://koubei.baidu.com/s/kafan.cn?fr=search
# L- m8 u8 I, Q: N! N* j

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
8 }/ V1 X/ Z) O楼主有推荐的python教程吗

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。

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？！
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。
7 U8 C" H0 Q# F- E1 ^
* d+ s7 `: c1 n/ Q% U  o3 {: F/ v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
那文章我主要是说采集和搜索引擎之间的关系好吧？！
不处理采集问题，搜索引擎会被采集网站“淹”死，而机 ...

% X; Z( N# ~' ^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
% b+ R' G2 k9 L' G9 z! a5 I兄弟，没别的意思，表达一下做这行的感受而已。

8 p4 y/ _2 g; g; T+ l做的国内的 还是国外的？ 兄弟