随笔分类 -  01_爬虫_crawler

上一页 1 2 3 4 下一页
crawler_php_昵图网
该文被密码保护。
posted @ 2014-11-10 13:21 cphmvp 阅读(2) 评论(0) 推荐(0) 编辑
crawler_java_昵图网
该文被密码保护。
posted @ 2014-11-10 11:15 cphmvp 阅读(4) 评论(0) 推荐(0) 编辑
python_小爬虫
摘要：import urllib.request as requestimport urllib.parse as parseimport stringprint("""+++++++++++++++++++++++ name:cphmvp version: python3.3++++++++++++... 阅读全文
posted @ 2014-11-06 15:18 cphmvp 阅读(183) 评论(0) 推荐(0) 编辑
crawler_x-requested-with 请求头
摘要：在分析微博热点话题时 拿到异步请求后，有个关键参数 x-request-with 不携带不给正确响应在服务器端判断request来自Ajax请求(异步)还是传统请求(同步)： 两种请求在请求的Header不同，Ajax 异步请求比传统的同步请求多了一个头参数 1、传统同步请求参数 acce... 阅读全文
posted @ 2014-11-03 14:44 cphmvp 阅读(366) 评论(0) 推荐(0) 编辑
crawler_wireshark 过滤基础知识
摘要：一、IP过滤：包括来源IP或者目标IP等于某个IP比如：ip.src addr==192.168.0.208or ip.src addr eq 192.168.0.208 显示来源IP ip.dst addr==192.168.0.208or ip.dst addr eq 192.168.0.20... 阅读全文
posted @ 2014-10-28 11:57 cphmvp 阅读(246) 评论(0) 推荐(0) 编辑
crawler_浅谈网络爬虫
摘要：题记: 1024,今天是个程序猿的节日 ，哈哈，转为正题，从事了一线网络爬虫开发有近1000天。简单阐述下个人对网络爬虫的理解。 提纲： 1：是什么 2：能做什么 3：怎么做 4：综述 1：是什么 wiki释义：网络蜘蛛（Web spider）也叫网络爬虫（Web crawler）[1]，蚂蚁（an 阅读全文
posted @ 2014-10-24 10:41 cphmvp 阅读(1110) 评论(0) 推荐(0) 编辑
linux_java_redis_postgresql_常用命令
摘要：redis常用语法telnet192.168.18.2106379keys*llen队列名称llen队列名称postgresql常用语法psql-h192.168.18.210-Upostgrespostgrescreatedatabase库名\l列出所有库名dropdatabase库名删除库名\c... 阅读全文
posted @ 2014-09-26 09:44 cphmvp 阅读(241) 评论(0) 推荐(0) 编辑
crawler_爬虫_反爬虫策略
摘要：关于反爬虫和恶意攻击的一些策略和思路有时网站经常受到恶意spider攻击，疯狂抓取网站内容，对网站性能有较大影响。下面我说说一些反恶意spider和spam的策略和思路。1. 通过日志分析来识别恶意爬虫/攻击首先分析access log，类聚统计出访问量前50 IPless guang.com_ac... 阅读全文
posted @ 2014-09-04 13:35 cphmvp 阅读(807) 评论(0) 推荐(0) 编辑
crawler_编码转换_unicode(年)
摘要：1 import java.util.regex.Matcher; 2 import java.util.regex.Pattern; 3 4 /** 5 * @declare: unicode 帮助类 6 * @author: cphmvp 7 * @version: 1.0 8 * ... 阅读全文
posted @ 2014-08-01 12:45 cphmvp 阅读(479) 评论(0) 推荐(0) 编辑
crawler_爬虫分布式设计图收集_01
摘要： 阅读全文
posted @ 2014-06-22 09:46 cphmvp 阅读(225) 评论(0) 推荐(0) 编辑
crawler_httpurlconnection_自动编码识别
摘要：核心思想： 1：从响应头中读取 【命中解流准确率最高】 2：如果响应头中没有，打开流从源码中读取，【取舍，如果有一般在前30行会有，前100行中寻找】 3：如果还没有，根据字节码code位置，字符识别。【前三个字符揣测】 4：最终依旧没有命中采用，大陆国标编码【概率接近于0 ,gb2... 阅读全文
posted @ 2014-06-05 18:01 cphmvp 阅读(273) 评论(0) 推荐(0) 编辑
crawler_网络爬虫中编码的正确处理与乱码的解决策略
摘要：转载：http://hi.baidu.com/erliang20088/item/9156132bdaeae8949c63d134最近一个月一直在对nutch1.6版进行中等层次的二次开发，本来是想重新做一个自写的爬虫系统，鉴于前基做过微博爬虫系统，感觉再重写一个完整的爬虫费时、费力还没太大的含金量... 阅读全文
posted @ 2014-06-05 12:54 cphmvp 阅读(570) 评论(0) 推荐(0) 编辑
crawler_基于块儿统计正文抽取_改进版
摘要：在线查看效果：http://tool.haoshuju.cn/import java.util.ArrayList;import java.util.Arrays;import java.util.List;import java.util.regex.Pattern;/** * * 在线性时间内... 阅读全文
posted @ 2014-06-05 12:49 cphmvp 阅读(463) 评论(0) 推荐(0) 编辑
crawler_phantomjs_windows_linux下demo
摘要：1. phantomjs介绍基于Javascript驱动的命令行webkit引擎，轻量级，安装简单，开发快速，渲染速度较快，无界面的webkit浏览器。 phontomjs跟一般浏览器一样可以加载网页，但不同的是它不会把网页显示出来，在加载网页后它会提供一系列的Javascript API给程式人员... 阅读全文
posted @ 2014-05-21 11:21 cphmvp 阅读(480) 评论(0) 推荐(0) 编辑
crawler_单例_随州论坛_[论坛discuz常规三次请求搜索代码 get post get]
该文被密码保护。
posted @ 2014-05-20 16:34 cphmvp 阅读(7) 评论(0) 推荐(0) 编辑
crawler_微信采集方案
摘要：仅供参考 阅读全文
posted @ 2014-05-15 09:47 cphmvp 阅读(499) 评论(0) 推荐(0) 编辑
crawler_爬虫代理方案
摘要：爬虫往往会遇到各种限制ip问题理方案（爬虫）IP代理软件优势标记: 是自动切换IP基本无开发成本标记: 黄色, 考虑切换IP时 ，网络瞬时异常IP池，由商家维护劣势标记: 非部署每个节点都需要部署节点数量超多时，也是一部分工作量购买的软件，一般有限制同时在线数量， 5可通过不同费用套餐实现ip碰撞不... 阅读全文
posted @ 2014-05-06 11:35 cphmvp 阅读(958) 评论(0) 推荐(0) 编辑
java_面试_20140402（爬虫面试题）
摘要： 阅读全文
posted @ 2014-04-02 09:00 cphmvp 阅读(725) 评论(0) 推荐(0) 编辑
crawler_单例_Test32(港媒：www1.3boys2girls.com)
该文被密码保护。
posted @ 2014-04-01 11:23 cphmvp 阅读(3) 评论(0) 推荐(0) 编辑
crawler_单例_demo【Discuss 香港论坛 信息抓取 ，有一定难度】
该文被密码保护。
posted @ 2014-03-31 17:59 cphmvp 阅读(6) 评论(0) 推荐(0) 编辑

上一页 1 2 3 4 下一页
爬虫在线测试小工具： http://tool.haoshuju.cn/