亲，怎么优雅的爬取豆瓣东西(dongxi.douban.com)的商品呢？

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

这是一个创建于 3641 天前的主题，其中的信息可能已经有所发展或是发生改变。

嗯，如题。可以忽略“优雅”。

优雅

商品

豆瓣

17 条回复 • 2014-11-21 11:50:38 +08:00

carmark

2014-11-20 22:27:29 +08:00

加入豆瓣的DBA团队，写个后台程序，自动下载。

joyqi

2014-11-20 22:28:23 +08:00

进入豆瓣机房，记得带上u盘

jerryge

2014-11-20 22:33:29 +08:00

@joyqi
@carmark

32个赞

passluo

2014-11-20 22:38:41 +08:00

其实没多少数据，直接暴力爬很快就爬完了。

lshero

2014-11-20 23:31:47 +08:00

@passluo 我咋感觉过于频繁的访问豆瓣会出现验证码呢？

passluo

2014-11-20 23:36:29 +08:00

@lshero 我乱说的。
却是会，我有时候刷新快了都会。

lshero

2014-11-20 23:38:42 +08:00

@passluo 我是有一天看相册一直不断按着右键结果出现了验证码

xpol

2014-11-21 00:16:10 +08:00 via iPad

优雅，就是爬一会儿，歇一会儿。两个请求之间加点间隔。同时运行的请求不能太多。比人快就行。

jerryge

2014-11-21 00:18:33 +08:00

@xpol 简单点讲就是找个用电的人来点。

onlyice

2014-11-21 00:29:55 +08:00

带登陆态的 Cookie，带 Refer，用 Scrapy 随机延迟，用大运营商 IP。。

garipan

2014-11-21 00:31:07 +08:00 via Android

豆瓣东西实在没啥东西啊

JoeShu

2014-11-21 00:34:29 +08:00

豆瓣东西数据不多，而且更新也没有那么频繁，慢慢抓呗

happywowwow

2014-11-21 01:53:11 +08:00

以前无聊，写过爬小组图片的爬虫
然后爬了<请不要害羞>组的图片
。。。
sleep(1) 1秒一次的请求，就ok了

simplise

2014-11-21 08:58:14 +08:00

@happywowwow 抓得图片呢~~哈哈哈

010blue

2014-11-21 09:34:35 +08:00

可使用深蓝阅读： http://bluereader.org/ 订阅，然后通过http://api.bluereader.org/ 接口同步到自己的站

shawngao

2014-11-21 09:41:34 +08:00

@happywowwow 我也写了个,golang的

happywowwow

2014-11-21 11:50:38 +08:00

@simplise https://github.com/pikeszfish/toDouban/blob/master/group.py 丑得要死的代码