采集了1KW的亚马逊数据，就是不懂怎么用

dowall2

willok 发表于 2016-5-10 20:27
% |; M( h; U4 Q! w  V& a"然后就顺便把商品的名字在谷歌的索引量"，这个应该还是有技术难度的，一般的通过程序多访问google几次就 ...

) S' w) k$ s; U呵呵，估计你是技术出身的，眼睛够尖锐~~~

trimixed

手动选热卖商品，写review，挂链接，也能赚钱
一次选几个，优化一下，扔在那，再去找其他商品

那么强的技术能力，采那么多数据，是要自动化赚钱么？

windflower

楼主搞技术的不然深挖下数据看看，或许有新发现。

michael2016

确实有amazon热门商品的挑选工具。
% L4 M9 O* @- ?* t: O当然lz这个和google挂钩了，应该有些价值的，需要去发掘和实践。
+ P; h- Y: G6 o. c' \0 |% I; u
鼓励一下。

BeyondReach

dowall2 发表于 2016-5-10 20:45
: Q2 z' x0 T( Q8 G' W, t+ P. v呵呵，估计你是技术出身的，眼睛够尖锐~~~

如何躲过google的验证码？

Atrus

没什么用处 前面搞的人多了

河小马

dowall2 发表于 2016-5-10 18:01
既不允许本地上传图片，又不允许远程图片链接

额~~好吧

我们允许本地上传图片的

河小马

重点在于流量。。而非采集。。

论坛里面搞采集的人实在太多了

feego

lz求采集不被robot check的办法

dowall2

想采集谷歌数据，大概做到以下几点：
8 L1 p8 r( t) z2 ]
# T9 U( F0 k9 |( X1 ?/ @- @8 \' }. P1 代理IP尽量多，而且不能都在一台服务器，因为所有请求数据都同在一个硬件网络出口的话（例如：网卡，路由），就是说MAC地址一样，这样的话，明显就是一台采集服务器，再多的IP在这台服务器上都是废的
( l( y9 D# k% S7 S. I8 L1 G) G. l
2 不要太急，一般我的经验是，第一次发送关键字查询，间隔时间为20秒比较保险，从返回的搜索结果页面里，模拟点击“下一页”查询，间隔时间为40秒~50秒以上，
' X% p* U" C$ K3 v" d8 n/ h
- ]" D9 C* B5 w7 P% m( [请求翻页内容这个比较讲究，尽量做到模拟一个常人的行为去翻页，为什么我要写40~50秒这个区间，记住三点：
$ t1 u1 f" h" U1 A% q, D1 一个浏览者要点击翻页按钮，肯定会花40~50秒的时间看完了当前页面的内容才去翻页
2 不要每次发送请求的间隔时间都一样，随机在 40~50秒 之间
9 S7 q& r  }% ?5 c: Z3 不要贪得无厌的获取翻页内容，一个正常IP不会经常翻到第8~10页去看内容的，一个IP可以偶尔这样深度翻页获取数据，但经常这样做，只会让你的代理IP过早进入黑名单
- G2 z8 K9 x7 P, p- t1 ~2 L) Q
谷歌的搜索系统太智能了，就是一个模拟常人正常使用行为来做相应判断的，一切程序化的都会被识别出来，所以我们的程序也尽量仿人类去执行
  |* C7 O( w7 a! m" O: v% c7 B$ G
以上就是很多人把采集时间间隔调得再大，都被谷歌拦住的原因
% o4 u, E  @8 g

kongkong0926

dowall2 发表于 2016-5-11 12:21
2 W8 d2 E$ N( e( n想采集谷歌数据，大概做到以下几点：
  |! X% s3 }% B- Y3 v( |! ?: d( J7 \
1 代理IP尽量多，而且不能都在一台服务器，因为所有请求数据都同在一 ...

& D/ k  X4 {+ ]楼主是真心分享，把自己的经验说的这么仔细，赞一个。

dersu

亚马逊的数据一直各种渠道都有人采集且提供下载的，大部分需求都不用自己爬了，比如这个，相对被下载的多些：
6 {6 i) ~- a9 H0 o- khttp://jmcauley.ucsd.edu/data/amazon/

3 l* v  J5 m6 OPS. C++做爬虫。。。确实屠龙刀做萝卜雕的感觉啊

bluescharp

dowall2 发表于 2016-5-11 12:21
: W6 D9 Z- i: E: ~+ ?想采集谷歌数据，大概做到以下几点：
: E* F+ _! O4 ?! `
' m' l8 f; `( y9 V1 代理IP尽量多，而且不能都在一台服务器，因为所有请求数据都同在一 ...

' x+ q9 ?) [8 v% C* x" T我之前用C#模拟浏览器去请求数据，间隔半分钟，但200个请求的时候就被验证码了。
然后验证码的频率越来越高

杰瑞

用什么采集？

dowall2

bluescharp 发表于 2016-5-12 09:09
. _# ]4 B* A' `5 g7 r3 K5 Q我之前用C#模拟浏览器去请求数据，间隔半分钟，但200个请求的时候就被验证码了。
* P7 z* n0 K/ B; b/ y然后验证码的频率越来越 ...

1 GOOGLE发回来的COOKIE你发回去没？
) K' u! G# Z! f' L7 s  `1 ~2 HTTP标头的 referer 你填了没？

; T% j* ]2 X+ @) W2 p3 t用拦截网络数据的软件，查下浏览器发送了什么数据出去

$ t# |, Y+ |$ X+ X爬虫要完全模拟一个真实的浏览器去浏览，而不是猛的发请求数据~~~