【问题标题】:Yahoo Web Scrapes: What are the limits?Yahoo Web Scraps:有什么限制?
【发布时间】:2010-04-20 23:27:03
【问题描述】:

我们正在使用网络抓取工具,并设置了一个休眠功能,该功能设置了一个随机功能(因此每次抓取之间的时间不一样),但我们仍然在 20 后被雅虎屏蔽-30 个请求。

有谁知道是否有限制(即:每分钟 20 个请求,每小时 200 个)现在我们每个请求之间的平均时间约为 3-6 秒。感谢您的帮助

【问题讨论】:

  • 所以,为了清楚起见,您是在问我们如何违反雅虎的服务条款而不被抓到?
  • 是的...这正是我要问的。
  • 如果 Yahoo Pipe 已被用作抓取工具的一部分,则每个 IP 每 10 分钟只能处理 200 个请求{或 10 分钟内每个管道 200 个请求}

标签: asp.net visual-studio-2008 screen-scraping web-scraping


【解决方案1】:

每 3-6 秒 1 次请求非常低,因此您的爬虫可能还有另一个问题。

一些想法:

  • 将 User-Agent 设置为非可疑对象
  • 将Referer标头设置为同一个域
  • 尝试从其他 IP 运行爬虫,以防您当前的 IP 被列入黑名单
  • 尝试维护 cookie

如果您使用更高级别的库,例如 Mechanize,这一切都会变得更容易。

【讨论】:

  • 感谢您的建议...我知道过去我们使用过随机分配 IP 地址的软件...而且这似乎有效。
  • 可能值得测试 IP 以尝试隔离问题。还可以尝试降低请求速度,看看是否会收到超过 30 个请求。如果您使用多个 IP,那么您可以通过并行抓取来降低请求速度。
【解决方案2】:

所以答案是 5000 个查询。取自

http://forums.digitalpoint.com/showthread.php?t=736784

http:// 开发者。雅虎。 com/search/rate.html

【讨论】:

  • 该速率限制适用于他们的网络服务。不允许刮掉他们的结果,句号;他们不会记录限制,但请放心,它远低于 5000 次。
猜你喜欢
  • 1970-01-01
  • 2015-10-06
  • 1970-01-01
  • 2020-04-10
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 2011-05-05
相关资源
最近更新 更多