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
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
xiayibu
V2EX  ›  Python

大家抓取 1 万个网页需要多少时间

  •  
  •   xiayibu · 2017-07-25 05:44:37 +08:00 · 5457 次点击
    这是一个创建于 2677 天前的主题,其中的信息可能已经有所发展或是发生改变。

    假设内容页文字和图片都有。

    24 条回复    2017-07-26 04:06:07 +08:00
    cxbig
        1
    cxbig  
       2017-07-25 05:50:28 +08:00
    这么开放的问题叫人怎么回答…
    哪个网站?什么工具?什么带宽?手上有多少 IP ?制约因素太多了…
    binux
        2
    binux  
       2017-07-25 06:29:02 +08:00
    就我呆过的公司
    10 分钟到 100 毫秒不等
    XiaoFaye
        3
    XiaoFaye  
       2017-07-25 06:36:46 +08:00
    @binux 100 毫秒瞬间抓完 1 万个?高潮都没那么快吧。。。
    xiayibu
        4
    xiayibu  
    OP
       2017-07-25 06:59:08 +08:00
    如果是拨号 VPS 这种,开进程会不会被封
    ericbize
        5
    ericbize  
       2017-07-25 07:52:49 +08:00 via iPhone
    上次 1 核 1g 的阿里云,单线程程序 爬了 10w 张几 k 的图 用了一晚上。 其实不用介意用了多久,只要程序没毛病,晚上一开白天醒来就差不多了。
    am241
        6
    am241  
       2017-07-25 08:07:53 +08:00 via Android
    爬福利,不想被封,也不想对目标站造成压力,爬了一晚上
    est
        7
    est  
       2017-07-25 08:39:20 +08:00
    写爬虫不加上 sleep(5) 也敢号称分布式爬虫?
    caijihui11
        8
    caijihui11  
       2017-07-25 08:58:55 +08:00
    怎么爬福利啊,透露下
    faceair
        9
    faceair  
       2017-07-25 09:06:27 +08:00
    @XiaoFaye #3 百度的蜘蛛这点速度都没有吗 hhhh
    xiayibu
        10
    xiayibu  
    OP
       2017-07-25 09:07:24 +08:00
    @ericbize 你这样爬 没有被封或是网页断开链接吗
    ericbize
        11
    ericbize  
       2017-07-25 09:09:29 +08:00
    @xiayibu 我会告诉你我爬的是 验证码?
    pcdRob
        12
    pcdRob  
       2017-07-25 09:12:22 +08:00
    几分钟
    calpamomo
        13
    calpamomo  
       2017-07-25 09:41:48 +08:00
    看网速
    jugelizi
        14
    jugelizi  
       2017-07-25 09:49:50 +08:00
    10s 抓完
    然后发现全是脏数据
    XiaoFaye
        15
    XiaoFaye  
       2017-07-25 09:54:13 +08:00
    @faceair 百度的蜘蛛的速度我不怀疑,问题是人家的 Web Server 慢你也没办法是吧?本机 Ping 也要 0.0X 毫秒一次,一个 web 请求怎么也不会比这个快吧? 100 毫秒 1 万个有点悬呀。
    regicide
        16
    regicide  
       2017-07-25 09:58:15 +08:00
    @XiaoFaye lz 又没说对一个 server
    ReisenZ
        17
    ReisenZ  
       2017-07-25 10:48:37 +08:00 via Android
    抓过漫画站…因为是自己看就慢慢抓了…几个小时吧…
    xiaomacai
        18
    xiaomacai  
       2017-07-25 10:54:17 +08:00
    1s+,是不是可以 DDoS 了
    xiayibu
        19
    xiayibu  
    OP
       2017-07-25 10:55:58 +08:00
    几秒的那是爬取网页吗,跟攻击网站没有区别啊
    linus3389
        20
    linus3389  
       2017-07-25 15:05:55 +08:00
    ssd,或者 redis,下行 10m/s
    不要眨眼哦
    4ever911
        21
    4ever911  
       2017-07-25 15:23:54 +08:00
    看大小吧, 我本机上写的程序, 抓股票数据,3000 多只股票,3 种时间数据, 算下来差不多 1w 个请求, 用 gevent,30 秒左右全部拿下来, 下载的数据打包有 200 多 mb, 我家 100MB 带宽。要是整个分布式的,那就更快了。
    binux
        22
    binux  
       2017-07-25 16:23:43 +08:00
    @XiaoFaye #15 这是一个开放性问题
    WoodenRobot
        23
    WoodenRobot  
       2017-07-25 17:17:37 +08:00
    @jugelizi 一开口就知道老江湖了。
    wolffn
        24
    wolffn  
       2017-07-26 04:06:07 +08:00 via Android
    @4ever911 可以请问下在哪个网站爬的股票数据吗
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   5324 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 26ms · UTC 08:29 · PVG 16:29 · LAX 00:29 · JFK 03:29
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.