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。。。。。。。。

真要做全自动，一定要学python

+ F; X  D+ v" t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
0 b5 W" z) N) B  _- GBeautifulSoup用来解析 html

8 _6 m2 d, s8 X/ Oselenium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 e+ V2 z$ z( L  Z# ~2 ~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
- U0 y$ f; r( W0 a) J. `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

大把大把的采集站大把大把的拿流量
; M, q# e* g+ a" P, P8 T3 i9 o
jb51.net都N年了，百度、谷歌排名都很好

0 z8 h8 `! W7 \- a补几个卡饭seo：
$ x, Z% D; A0 L/ yhttps://www.v2ex.com/t/232328
) f* [" V2 Y; P3 nhttps://www.zhihu.com/question/33195862
, N1 n9 d( f# w7 J; Q+ Fhttps://www.zhihu.com/question/35467213
http://bbs.kafan.cn/thread-1858326-1-1.html
  `) q9 k, K  A5 O& t& ehttp://koubei.baidu.com/s/kafan.cn?fr=search
0 G, d  _7 P; g+ Z. H' T

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

9 R+ x, x1 B0 G# Z* Epython核心编程
教程看一下就行了，都是那些东西，一通百通，函数，类。
1 R0 E. {7 T/ Y% k& f8 C
. d; Q: X' s! y& n; y2 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？！
8 r) s8 C6 y; P$ n% `! W8 g, r8 e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。

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？！
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
/ v+ ?6 ]6 R4 _" Y兄弟，没别的意思，表达一下做这行的感受而已。

0 X/ G) @* ?, O6 H/ ~" V做的国内的 还是国外的？ 兄弟