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
( u8 m6 ~9 k) x' L除了火车头还能用啥采集啊。。。。。。。。

" O! h  R8 I/ n8 E* t; p真要做全自动，一定要学python

2 \, a) m6 Q1 N( p' i; E' Y1 c8 g3 \6 Y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
0 H; p% w  o: e& MBeautifulSoup用来解析 html

7 |  o0 Q: V5 C% bselenium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。 ...

# V; H) u+ h' M! l9 G" N2 Y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

: o3 Y2 ?9 E( ?
, [, a1 X1 g3 x5 g: d, U' s大把大把的采集站大把大把的拿流量
# ]$ P% Q2 G+ ~6 |
jb51.net都N年了，百度、谷歌排名都很好

7 C, W+ x( F$ A( V5 p补几个卡饭seo：
& C0 g, x0 s; s0 _* M9 f7 _https://www.v2ex.com/t/232328
https://www.zhihu.com/question/33195862
https://www.zhihu.com/question/35467213
- q* W. E3 G* |& X1 ahttp://bbs.kafan.cn/thread-1858326-1-1.html
0 l" }8 F: s8 K6 z+ }6 |http://koubei.baidu.com/s/kafan.cn?fr=search

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
9 l  E% h2 F+ G5 a楼主有推荐的python教程吗

6 \0 w0 X; ]% O: v: j+ g; Ppython核心编程
9 d& j: a3 `: |$ M8 H0 S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。
  Q0 F: t  P2 l) F1 e/ 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？！
  R3 m4 Z4 g+ \5 [6 Z2 J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。

: c2 U. w% A& m4 r做的国内的 还是国外的？ 兄弟