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
+ _) C. p5 z0 I# I$ ~1 t"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 ...

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
" Y# e' R" u$ h* A9 e: ]0 \5 l一次选几个，优化一下，扔在那，再去找其他商品
, Z1 l2 S) P8 H  M( f9 k
那么强的技术能力，采那么多数据，是要自动化赚钱么？
0 x; E) S# E, U1 s. I7 ~3 t7 S

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。
' U& j: _- w" S% o" u& ~7 }/ 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。

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
既不允许本地上传图片，又不允许远程图片链接

* r9 O' I! [" \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。。

1 Q* M5 A* B3 E9 a# j9 {; q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& _9 c! V* V+ S8 F: V: j1 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
0 n+ V& D! @. L! Z' x. W) E
. I2 N3 p; Z/ f# n; C  A2 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，

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：
8 ]* x: t& n( S' u  }) u1 y1 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
" P9 ?/ \) f6 z9 d4 ?7 L* A3 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
/ n! \( z+ O" s/ \4 U
5 C$ @$ [/ C! @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

' P( a5 u" N; I1 J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
8 P3 }( D2 V; y4 _

kongkong0926

dowall2 发表于 2016-5-11 12:21
( l) x* w6 T0 G3 ~想采集谷歌数据，大概做到以下几点：

. W7 {: z. O+ g& r. R1 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 ...

& R* e* b$ j8 |+ ~& ^9 T; r' o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：
" w* ]. I! z6 x1 x: J' {http://jmcauley.ucsd.edu/data/amazon/

PS. 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
+ w( _  S8 p8 B" M$ ]' L2 J2 i$ t0 C想采集谷歌数据，大概做到以下几点：

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。
: q% H. t2 Y3 P, x4 {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
" s. i9 X: C, ?  |- P0 X; d( {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？
. p* ^3 R* V, |! H2 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~~~