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
"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 ...

9 c& e0 _! G6 R  f6 @- G, d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。
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。
" I( j* Z" `' A$ }8 _6 A! K
鼓励一下。

BeyondReach

dowall2 发表于 2016-5-10 20:45
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
; W/ _3 D8 B2 K" A" V; Q) w( L# k4 `6 J# W既不允许本地上传图片，又不允许远程图片链接

# x  N  {1 G3 p  a+ e! E额~~好吧

; {6 W  g6 v5 L7 \; x我们允许本地上传图片的

河小马

重点在于流量。。而非采集。。
0 p  m( g; y/ ]
) A6 V* w0 S1 r& U7 F) k8 ~4 `2 h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：
  I. v0 _# `3 W1 }& m2 O5 ~, z# ?8 `
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
. G& i) I6 d) s& N
, v2 a2 l0 H! ?" T9 |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，

+ v+ P# U% |3 u# K' r/ Z& Q2 W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：
$ V1 W8 U" o4 ?! _1 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
3 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

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
* L3 S- P" f9 ?& Y( ?
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
1 p% A6 C/ ?6 h+ o5 t4 z3 L6 T1 X

kongkong0926

dowall2 发表于 2016-5-11 12:21
想采集谷歌数据，大概做到以下几点：
* S, H2 n: I; V" J5 ?/ K
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 ...

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：
; s' `" M4 V  p8 ahttp://jmcauley.ucsd.edu/data/amazon/
( ?/ F; S* j$ F% j+ W4 h  {
- m. I0 m! d! x- ~" Y1 k" |$ n" sPS. 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
0 ?" U( Z5 J5 ^7 P) H/ m( H; z" H想采集谷歌数据，大概做到以下几点：
# P& s5 t4 U0 S' i" w
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 ...

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
% U: F) k' |( V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 ...

1 GOOGLE发回来的COOKIE你发回去没？
/ a$ S+ O9 T; Y/ v1 s/ m2 HTTP标头的 referer 你填了没？

用拦截网络数据的软件，查下浏览器发送了什么数据出去

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~~~