我们正在开发一个使用Drupal的啤酒厂的网站。由于18岁以下的未成年人不允许访问网站，因此访问的任何页面都会通过一个模块(legalage)，如果用户单击"continue“以确认他/她的年龄超过18岁，则会向用户显示该网站，并将法定年龄保存为true我尝试了以下脚本来确定PHP中的bot或浏览器：if(( eregi("bot", $agent)
浏览 3提问于2009-10-16得票数 1
我曾经指挥过一群爬虫到特定的位置，但当我指挥这个特殊的位置时，它就一直在散开。我没有做什么不同于我如何控制其他爬虫，但它不一样的工作。其他的则保持不动。第二个的位置在城墙内，这会造成问题吗？
浏览 0提问于2015-05-12得票数 0
1回答
弹性豆杆不运行的克隆约伯
、、、、
我在一个弹力豆茎应用程序上有一个抓取器，我可以像这样运行SSH：
我想帮我安排一个任务来处理这个问题。所以我遵循了的建
浏览 0提问于2015-04-13得票数 0
我非常想知道这个过程是如何工作的。这些网站(和)每天从PokerStars和Full Tilt等安全扑克网络中挖掘数以千计的数据。他们是否有一个运行应用程序的服务器群，这些应用程序打开数百个表(窗口)，然后以某种方式对正在玩的牌进行爬虫/数据挖掘？
在编程方面，这是如何工作的？
浏览 0提问于2010-10-25得票数 19
回答已采纳
somepath/template_1.html';//and so on现在，爬虫正在尝试跟踪这些链接
浏览 0提问于2013-02-22得票数 0
我将时间序列数据存储在每日生成的DynamoDB表()中。这些表的命名惯例是"timeseries_ 2019-12-20 "，其中2019-12-20为当前日期。推荐的方法是什么？我在看AWS Glue，但不知道如何让它每天找到新的表名。也许有云观察事件的lambda函数会更好？DynamoDB表的大小不大，存储了几百个数字。
浏览 4提问于2019-12-21得票数 0
回答已采纳
2回答
可以在Python 框架中使用.NET框架从不同的站点抓取数据吗？我正在做我的最后一年的项目，在这个项目中，我想使用C#作为前端语言，并使用Python来抓取数据。
浏览 0提问于2014-05-07得票数 4
嗨，我想做一个网页爬虫，检查URL的数据，如果我做一个简单的Gui，使脚本更容易查找变量的数据，添加代码的gui会使我的网络爬虫效率降低吗？
我需要爬虫尽可能高效，能够尽可能快地处理数据。为这个Python脚本制作一个gui，会不会妨碍web爬虫的性能？
浏览 3提问于2015-01-27得票数 0
回答已采纳
我有一个python爬虫，每隔几分钟就抓取几个网页。我现在正在尝试实现一个可以通过web访问的用户界面，并显示爬虫获得的数据。我将使用php/html作为接口。无论如何，用户界面需要某种类型的按钮来触发爬虫程序立即抓取特定的网站(而不是等待下一次抓取迭代)。
现在，有没有一种方法可以将数据从php脚本发送到正在运行的python脚本？然后我在考虑使用一个共享文件，php在其中写入数据，python<
浏览 1提问于2011-03-31得票数 1
我用Python2.7编写了大量的Scrapy爬行器。我需要将它们全部转换为支持Python 3，这种转换必须在1 go内完成。我只能在Python 3爬虫做好部署准备之后才能开始使用。对于远程分支，我有本地文件夹/分支，修复错误并创建新的。让我们把它叫做Local.，从主人那里，我推拉。
现在，由于“所有操作都必须保持活动状态”，我需要一个单独的Python 3爬虫的远程分支。我手动创建了这个分支，所以整
浏览 3提问于2019-09-10得票数 0
回答已采纳
1回答
我正在制作一个爬虫来找出最近添加的youtube视频，当我的爬虫到达旧视频(在前一个转弯中爬行)时，我想停止爬虫。我使用的不是scrapy和漂亮的汤，我使用的是python库。请给我推荐任何选项
浏览 9提问于2017-06-27得票数 0
我使用具有无限循环的python制作了一个简单的爬虫，所以它不能停止。随机延迟17 ~ 30，这个爬虫爬行相同的一个页面，并找到'href‘链接，定期更新，并存储到Mysql。因为我使用了Linux命令这个爬虫是在Ubuntu服务器背景下运行的。我想它已经运行了大约4个小时。但爬虫突然停止了。第二天我再试一次。这是关于网页的
浏览 1提问于2014-05-20得票数 0
回答已采纳
1回答
我正在使用python中的scrapy框架制作一个web爬虫。其主要思想是，爬虫从页面中提取一些数据，如果数据符合某些条件，爬虫应该提取其当前所处的URL。是否有一些方法/函数可以获得当前的URL？
浏览 5提问于2016-11-27得票数 0
回答已采纳
1回答
我在不同的地理位置有几台台式机。我需要创建一个爬虫与客户端在每个台式机和一个中央服务器，其中的数据是索引。有没有可能在Nutch中创建这样的爬虫？还有没有别的选择。基于Python的爬虫会更好。
浏览 2提问于2011-07-04得票数 0
回答已采纳
爬虫的常见输出格式是什么？它会是XML，JSON吗？或者它会根据爬虫的不同而不同，例如: Python，Java？
浏览 0提问于2012-08-20得票数 0
回答已采纳
在Python方面经历了几年之后，我才知道它在web开发中的应用。我在Python中制作了一个电子邮件爬虫程序(基本上是一个使用其他几个功能的函数)，它帮助我在generate实习的公司。我的老板问我是否可以让我的python电子邮件爬虫进入一个网络应用程序，这样其他员工就可以通过我来抓取电子邮件，这样我就可以在更重要的事情上工作。是否有一些web应用程序框架可以用来将我的
浏览 5提问于2015-07-08得票数 0
回答已采纳
1回答
到目前为止，我正在抓取来自不同来源的数据，比如实时流Twitter和Facebook，并将其存储在单独的DB中。在此之后，我使用这些大数据来了解用户的行为和其他类型的分析。我试图做的是相同的，但在黑暗的网页，我想抓取所有的网页，可以访问的TOR浏览器。我在几个博客里搜索过这样的东西，但我发现所有的博客都只是在爬行日志文件。有没有可能像我们使用社交媒体平台API那样，抓取黑暗的网页呢？
浏览 4提问于2017-02-17得票数 1
回答已采纳
我用python编写了一个爬虫，它可以访问60多个网站，解析HTML，并将数据保存到数据库。哪一个更有效率？无限循环还是cron作业？
浏览 7提问于2021-05-14得票数 0
2回答
一些服务器具有robots.txt文件，以阻止web爬虫在其网站中爬行。有没有办法让网络爬虫忽略robots.txt文件？我正在为python使用Mechanize。
浏览 1提问于2011-12-05得票数 14
回答已采纳
云服务器
ICP备案
对象存储
云直播
腾讯会议
腾讯云开发者
