这种专门索引百度网盘的搜索，它的爬虫不会被 ban 掉么？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

• 请不要在回答技术问题时复制粘贴 AI 生成的内容

这是一个创建于 3673 天前的主题，其中的信息可能已经有所发展或是发生改变。

最近一直在用 http://kaopu.so/ 看样子索引了很大量的内容，话说百度本身不对访问 IP 做频次控制么？

第 1 条附言 · 2015-10-11 14:10:35 +08:00

发现百度 site:pan.baidu.com 70 多页以后就没数据了 T_T

爬虫

Ban

网盘

索引

30 条回复 • 2016-08-22 23:12:07 +08:00

lizheming

2015-10-11 11:53:37 +08:00

看过之前一个爬虫的帖子，说是 5 分钟一次，做好频率控制多 IP 轮流就好了吧…

d7101120120

2015-10-11 11:54:00 +08:00

嘘小声点~~~~

pathletboy

2015-10-11 11:54:16 +08:00

频次控制不大好做的，现在网络很多都内网了，出口都是一个 IP 。

gzlock

2015-10-11 11:54:51 +08:00 via Android

也没法证明是用同一 IP 爬的啊

easychen

2015-10-11 11:58:19 +08:00

@lizheming 最近看这类网盘的索引量都到千万级了。感觉计算轮着来，也要抓好久来着……

easychen

2015-10-11 11:59:06 +08:00

@gzlock 除非用客户端爬，否则都会有 IP 的问题吧。（就算是多个 IP ，也是蛮有限的。

kslr

2015-10-11 12:02:04 +08:00

比如 Coding 支持运行程序的，可以做个 Proxy ，类似的还很多，也很稳定。

lizheming

2015-10-11 12:08:43 +08:00

@easychen https://www.v2ex.com/t/226413 刚才回顾了下这个帖子，他上面说的是 30w/天，如果是有 3 -5 个 IP 的话也就半个月就能爬到千万数量级了吧....

easychen

2015-10-11 12:15:43 +08:00

@lizheming thanks ：）百度自己给出来的总量也就在 6000 万。

wbingeek

2015-10-11 12:19:57 +08:00

最近用的是这个 http://www.bdybbs.com/

cevincheung

2015-10-11 13:28:58 +08:00 via Android

代理 ip 资源十几块一大把还是高质量高出口带宽的

easychen

2015-10-11 13:59:27 +08:00

@cevincheung 求个链接看看~

cdwyd

2015-10-11 14:04:28 +08:00 via Android

@cevincheung
求地址

zdyx123

2015-10-11 14:07:39 +08:00

@cevincheung 同求一个地址

gzlock

2015-10-11 14:24:28 +08:00

@easychen
@cdwyd
@zdyx123
淘*搜拨号

Coxxs

2015-10-11 14:25:26 +08:00

曾经抓过一年左右，索引过一亿+文件，每秒都在抓，用 1 、 2 个 IP 没被封。 https://so.cqp.cc/

easychen

2015-10-11 14:29:49 +08:00

@Coxxs 偷偷问一句从哪个入口开始抓比较方便哇…… 搜索结果页好像限制显示页数……

Coxxs

2015-10-11 14:33:26 +08:00

@easychen 以前每个文件有“相关文件”，可以通过相关文件抓，但是现在没有了。后来用的方法就是获取用户 ID （ uk ），然后遍历用户分享的文件。

easychen

2015-10-11 14:34:39 +08:00

@Coxxs thanks ：）

techyan

2015-10-11 14:36:03 +08:00

@Coxxs 网站已收藏。。

cevincheung

2015-10-11 14:43:57 +08:00

@easychen
@cdwyd
@zdyx123
http://www.kxdaili.com/buy.html

fighter2011

2015-10-11 14:47:08 +08:00

这种不会被 ban 吧，有很多都是磁力搜索的啊。

easychen

2015-10-11 14:47:59 +08:00

@cevincheung thanks :)

gamecreating

2015-10-11 19:25:47 +08:00

来吧.... 把百度云搞瘫..
http://yun.baidu.com/share/homerecord?uk=1848672288&page=1&pagelength=60
看连接你懂的

Pepsigold

2015-10-12 08:29:38 +08:00 via Android

@gamecreating 怎么进去都是代码了？

starAsh

2015-10-12 09:33:26 +08:00

直接 google 搜 xxx site:pan.baidu.com 即可,然后对搜索出来的结果处理就行了

Roope

2015-10-12 14:25:06 +08:00

@gamecreating 这个好啊。

xgdy

2015-10-12 16:19:24 +08:00

@wbingeek 这个是什么程序？

dotmark

2016-07-19 09:50:32 +08:00

这个也不错 12so.cc

3023369823

2016-08-22 23:12:07 +08:00

失效链接怎么判断，这才是关键，求解释？@dotmark @Coxxs @Pepsigold @cdwyd @d7101120120 @dotmark @easychen @gamecreating @fighter2011