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
5 Y# D8 B/ r/ l. P) n除了火车头还能用啥采集啊。。。。。。。。

真要做全自动，一定要学python
# C" j; u4 M+ K+ A
: A) r' r9 b: H2 s* N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
* U) ~! J  y) J; Y$ `BeautifulSoup用来解析 html

: g6 O5 d) R9 g/ B, v9 x: \9 J. rselenium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++ ...

# d  b4 S* X1 B$ U" B3 z0 d" \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。 ...

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

9 c) v7 G7 }* Q' b( I* G
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
  p" C" @2 L( d0 F9 y" Q) G4 O
补几个卡饭seo：
https://www.v2ex.com/t/232328
https://www.zhihu.com/question/33195862
, u5 g  l5 q! f4 Q% Q# Fhttps://www.zhihu.com/question/35467213
3 Z2 \; P# @8 v: l! J- mhttp://bbs.kafan.cn/thread-1858326-1-1.html
' F# X; f1 ~2 h  |& j1 \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
楼主有推荐的python教程吗

python核心编程
5 O# M- S  {5 O# ?& Z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。
0 U7 b9 v" V# _
& Y" s6 |$ n( k! L/ p0 z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？！
2 Z; ^( W3 y7 l不处理采集问题，搜索引擎会被采集网站“淹”死，而机 ...

% L) F9 Q$ l) [6 e+ \0 _- [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
% @# o' e; t0 q* D兄弟，没别的意思，表达一下做这行的感受而已。

) j$ ?5 Z- x" I做的国内的 还是国外的？ 兄弟