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。。。。。。。。

! w: D8 D. i0 c& n( w. V真要做全自动，一定要学python
5 \/ I( _- j$ f& |
6 f, H6 R7 n+ c: t: O' ]) ~4 l' l1 ?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
/ Q5 V/ j# ^# s; XBeautifulSoup用来解析 html
; ~4 r7 K" ^) E! Z# W8 @
selenium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++ ...

7 R& Y: ?- f& V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
$ t/ S3 I5 z+ B% y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

. R0 R8 F9 R: Y2 w3 L3 M0 n大把大把的采集站大把大把的拿流量

jb51.net都N年了，百度、谷歌排名都很好
0 Z# y% u6 ?1 b% m
补几个卡饭seo：
5 a; B* m: f1 y: _4 Ghttps://www.v2ex.com/t/232328
/ ]- G. p) A7 k/ V6 O  qhttps://www.zhihu.com/question/33195862
https://www.zhihu.com/question/35467213
5 a4 E+ r8 {2 }6 J  I- Jhttp://bbs.kafan.cn/thread-1858326-1-1.html
& p* i  @3 R4 {# Z! c4 h) Nhttp://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
4 d4 i  w7 _+ r; ^楼主有推荐的python教程吗

python核心编程
8 }7 @. j3 r9 L) o8 b: P教程看一下就行了，都是那些东西，一通百通，函数，类。

1 Z! U, q8 u! H1 g! U$ W- Q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。
; \4 H0 |: E7 `. P3 Q( v3 Y: L
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？！
" i. Z7 C9 ^! s9 K7 |! i不处理采集问题，搜索引擎会被采集网站“淹”死，而机 ...

& x5 F+ T: \3 O, v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
4 m: ~; O( \' r0 U2 d; q兄弟，没别的意思，表达一下做这行的感受而已。

) V+ R/ u7 ]. A; V做的国内的 还是国外的？ 兄弟