全球主机交流论坛

标题: 采集是个辛苦活。。 [打印本页]

作者: 荷兰小事 时间: 2011-7-1 22:06
标题: 采集是个辛苦活。。

写好正则了又要调试。。。。。

调试好了又要换ip。。。。。。

等下又出现content missing之类的错误。。。。。。

搞半天

作者: 荷兰小事 时间: 2011-7-1 22:08
错了一点都不行。。

采集空内容又要费力数据库查询出来再删除

作者: samuel 时间: 2011-7-1 22:22
据说原创最简单，对着键盘练一指禅就行了。
真是太容易了！

作者: a219549 时间: 2011-7-1 22:44

原帖由 samuel 于 2011-7-1 22:22 发表
据说原创最简单，对着键盘练一指禅就行了。
真是太容易了！

作者: 难人 时间: 2011-7-1 22:46
et

作者: salang 时间: 2011-7-1 22:47

作者: xtmp 时间: 2011-7-1 22:50
不会就是辛苦活，会采就很爽

作者: 荷兰小事 时间: 2011-7-1 23:22

就是不会啊

作者: Poison 时间: 2011-7-1 23:33
内容为空的直接剔除掉不入库呗

作者: 荷兰小事 时间: 2011-7-2 02:25
那采集的时候不是要加判断。。加判断会拖慢效率吧。。

作者: 糕手 时间: 2011-7-2 02:40
提示: 作者被禁止或删除内容自动屏蔽

作者: leaderweb 时间: 2011-7-2 07:35
楼主采集的啥呀？什么站？

作者: 金关村村长 时间: 2011-7-2 16:22

原帖由 leaderweb 于 2011-7-2 07:35 发表
楼主采集的啥呀？什么站？

ass。。xxx content -----

作者: 金关村村长 时间: 2011-7-2 16:23

原帖由糕手于 2011-7-2 02:40 发表
尼玛的直接开火车就OK了何必去写神马正则搞死人......

火车就更加麻烦了，比curl还要麻烦，而且远没有curl灵活

作者: 东方星雨 时间: 2011-7-2 20:53
我用帝国就很爽，没那么复杂，或者火车头。

作者: 草鸣 时间: 2011-7-2 21:15
写好采集规则就万事无忧了……

作者: 大鲨鱼 时间: 2011-7-3 09:19
被k 时死的更惨

作者: 金关村村长 时间: 2011-7-3 18:17

哪有那么容易被k

google现在判断是否重复内容使用的听说是simhash算法，采集的时候不要傻傻地完全copy过来就好了，要多篇文章合并成一篇，这样就很可能不会被判断为镜像网页，被k几率很小

欢迎光临全球主机交流论坛 (https://fd.vvwvv.eu.org/)