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。。。。。。。。

7 [; u, c& D$ `) V真要做全自动，一定要学python

还有一些，比如验证码和代理。这2个可以用钱解决。

ads419

. W( _: o# c3 @/ L1 p% c

weiai789 发表于 2016-1-21 14:49
BeautifulSoup用来解析 html

* `* ~& v' \5 I. aselenium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++ ...

* b+ Y; o  y- ~" C, T/ z# q+ O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。 ...

/ `5 o6 ]  ]9 R8 Y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

大把大把的采集站大把大把的拿流量
% ~8 ~' \4 \* {( A- }, M0 W
jb51.net都N年了，百度、谷歌排名都很好
+ R9 M) W7 t. n$ }
补几个卡饭seo：
4 O9 b7 T) s. S9 k8 E8 @- }5 Q2 ]https://www.v2ex.com/t/232328
' [; m6 \# Y# k7 O" D) P4 @# Whttps://www.zhihu.com/question/33195862
  I0 v0 ]2 G( Y: ]) X7 O+ _: k: Phttps://www.zhihu.com/question/35467213
4 a) V7 |' s$ i4 G4 \9 Mhttp://bbs.kafan.cn/thread-1858326-1-1.html
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
6 |$ e. t' `& w7 s0 R0 g5 u9 n9 Y0 z楼主有推荐的python教程吗

: D; |4 `. ?6 Qpython核心编程
6 Z' f( J% a* I) r教程看一下就行了，都是那些东西，一通百通，函数，类。
! _9 u% a. |6 M8 z: Q, A+ b
- H& a6 d1 r6 \2 s7 m: o# e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？！
& h& ^$ h, C' P* |3 `: N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。
* I0 u( P0 |5 L! O# b8 x5 Z" k. m
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
1 Z7 R  I4 |/ }) ^那文章我主要是说采集和搜索引擎之间的关系好吧？！
' V* d- a3 R/ x! [不处理采集问题，搜索引擎会被采集网站“淹”死，而机 ...

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
兄弟，没别的意思，表达一下做这行的感受而已。

做的国内的 还是国外的？ 兄弟