听说你们把煎蛋爬趴下了，于是我也爬了一下发现没多大数据量，就很不理解

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 2585 天前的主题，其中的信息可能已经有所发展或是发生改变。

爬虫比较简单，比较快就写好了，爬的过程中遇到了反爬策略，大约 50 个请求之后就会 403，于是给请求分组，一组 50 个，组与组之间间隔 60 秒，就没有再 403 过了。

下面是抓取过程中一组共 50 个请求的网络流量图

流量图

约 10KB/s 的流量大约持续 30s 左右，一组流量约 300KB。

总共爬了三个版块，妹子图、无聊图和段子

妹子图：有 241 页共 5 组
无聊图：有 294 页共 6 组
段子：有 132 页共 3 组

共计 14 组，若按一组 300KB 计算，不超过 5MB，抓取总时间需要约 20 分钟。

下面是抓取后的数据库，数据库不到 16MB （抓取过程启用了 gzip，故网络流量远小于最终数据库大小）

我就不明白了，怎么就把煎蛋爬趴下了？怎么就爬趴下了？爬趴下了？

趴下

流量

数据库

煎蛋

73 条回复 • 2017-11-01 20:02:05 +08:00

takanasi

2017-10-30 21:02:47 +08:00

又不是只有一个人爬，况且首页你还没爬呢

Keyblade

2017-10-30 21:53:23 +08:00

花式自挂

green15

2017-10-30 22:03:17 +08:00 via iPhone

不理解就好好读书，别乱爬，脏！

zjyl1994

2017-10-30 22:28:42 +08:00

我就不明白了，我就双十一买一件衣服怎么就把淘宝买崩了。（全国又不是你一个人在爬，好多新手都折腾煎蛋。。。）

zhijiansha

2017-10-30 22:57:48 +08:00 via iPhone

能否分享下爬虫代码？

siyemiaokube

2017-10-30 23:15:25 +08:00 via iPhone

大概是五楼这种比较多

cnyang

2017-10-30 23:17:19 +08:00

@siyemiaokube 哈哈

hugee

2017-10-30 23:20:59 +08:00 via Android

煎蛋技术能力有限吧，2333

pynix

2017-10-30 23:43:20 +08:00 via iPhone

你们把人家爬挂了

zlfzy

2017-10-30 23:51:36 +08:00 via iPhone

爬这些老图不如爬汤

stebest

2017-10-31 00:27:54 +08:00 via Android

有多少人梦想过全国人民给他捐一块钱

changwei

2017-10-31 01:15:28 +08:00 via Android

热图访问人数多，cdn 有缓存应该会稍微好一点吧，老图的话没有缓存都是要回源的，可能更容易爬跨人家网站。

bxb100

2017-10-31 01:18:35 +08:00 via Android

额，什么时候请求数和网络流量关联在一起了

Perry

2017-10-31 02:48:07 +08:00

楼主你要是分享了代码，煎蛋说不定就真的要挂

opengps

2017-10-31 07:37:38 +08:00 via Android

都不能好好的看图嘛？

taresky

2017-10-31 07:41:25 +08:00 via Android

ID 贴切

kaifeii

2017-10-31 07:51:00 +08:00

你们天天这么搞，干脆煎蛋做个开放 api 卖钱得了，或者做个延迟同步的共享读库

cyn

2017-10-31 07:57:25 +08:00 via Android

煎蛋是什么

Ryosan

2017-10-31 08:06:43 +08:00 via Android

id 如本人

chnyang

2017-10-31 08:17:22 +08:00 via Android

@cnyang。。。你好混 ID 的同志

opengps

2017-10-31 08:22:57 +08:00

@Ryosan 特意看了一眼，确实是

mcds

2017-10-31 08:33:36 +08:00

19 楼好评~

toono

2017-10-31 08:37:57 +08:00

@cyn 原以为“煎蛋”是京东，谁知道，煎蛋就是煎蛋网

Acebiu

2017-10-31 08:40:56 +08:00 via Android

被随便带带节奏喊技术无罪的是不是也是你们？

knva

2017-10-31 08:41:12 +08:00

求你了,别爬煎蛋了.

Januser

2017-10-31 09:01:10 +08:00

“我就是踹了他一脚，他怎么就能死了？”

楼主和其他千千万万踹了煎蛋一脚的垃圾都这么说。

momocraft

2017-10-31 09:07:18 +08:00

爬虫门槛太低了。
讲真比脚本小子还低，又有妹子图形成正反馈。可怜这些做内容的网站。

malkavia

2017-10-31 09:15:03 +08:00

我没记错的话，好多新手教程都是爬煎蛋爬糗百的

lingo

2017-10-31 09:18:48 +08:00

赞 19L

7654

2017-10-31 09:23:14 +08:00

楼主该看看煎蛋的 PV 什么的
一个 WP 博客站能有这个数据已经很了不起了

Xrong

2017-10-31 09:24:03 +08:00

楼主这种爬虫算好的了，有些入门的新手连个延迟都不加一顿瞎搞。CDN 请求大量回源，源站也很蛋疼。。。再说一些小破资源站哪里有那么多资源去弄些反爬措施。

Felldeadbird

2017-10-31 09:26:07 +08:00

把代码分享出来吧。让全国都去爬就体验了威力。233333

bsidb

2017-10-31 09:26:59 +08:00

煎(jian)蛋(dan)

8023

2017-10-31 09:36:02 +08:00 via Android

No individual raindrop ever considers itself responsible for the flood.

smgui

2017-10-31 09:42:22 +08:00

设计爬虫尽量温和，杀鸡取卵不是一个文明人正常的做法

croz

2017-10-31 09:53:38 +08:00

@bsidb #33 是 jandan，（手动滑稽）

laqow

2017-10-31 09:53:50 +08:00 via Android

因为刚学编程 2 小时的傻子也能写出煎蛋的爬虫

lyhapple

2017-10-31 09:54:17 +08:00

我想爬汤, 奈何网络太渣渣, 没有威屁恩

logOo

2017-10-31 10:28:16 +08:00

@lyhapple 看了你的回复，好像打了新的世界。。

wfd0807

2017-10-31 10:43:49 +08:00

@zlfzy
@lyhapple
爬汤是什么？

zlfzy

2017-10-31 10:47:25 +08:00

@wfd0807 tumblr

@lyhapple 用海外的 vps 爬，快如闪电

onlyhot

2017-10-31 10:55:39 +08:00 via iPhone

能耐这么大去爬淘宝，煎蛋这垃圾网站也不能显示你技术多牛，你说是不？

hxndg

2017-10-31 10:58:22 +08:00

@wfd0807 汤不热，上面有各种少儿不宜的东西，有的还有联系方式．．．．．

huang5587783

2017-10-31 11:01:29 +08:00 via iPhone

煎蛋的作用就是训练爬虫？

slgz

2017-10-31 11:03:53 +08:00

@laqow 真的吗, 我是小学生别骗我

yu099

2017-10-31 11:15:45 +08:00 via Android

你看看这请求次数，流量大小

corcd

2017-10-31 11:25:14 +08:00

心疼煎蛋

sheng9632

2017-10-31 11:31:34 +08:00

心疼

SaltedFish12138

2017-10-31 11:43:36 +08:00 via Android

抵制所有爬煎蛋的行为

expy

2017-10-31 12:49:47 +08:00

数据库给你们自己下吧，都别折腾了。

yuxuan

2017-10-31 13:00:27 +08:00

就不能换个网站折腾。。。每次看见爬虫几乎都是煎蛋我一次都没上过煎蛋光看你们写爬虫都了解了煎蛋

timothyye

2017-10-31 13:38:02 +08:00

看来煎蛋与爬虫一直就有不解之缘……

xiejc

2017-10-31 13:41:43 +08:00

var cheerio = require('cheerio');
var request = require('request-promise');
var iconv = require('iconv-lite');
var EventProxy = require('eventproxy');
var fs = require("fs");
var PATH = '/Users/xie/Documents/images/';
var ep = EventProxy.create();
var total = 160;
var result = {
list: []
}
ep.on('finish', function(page) {
total = total - 1;
if (total > 0) {
matches(total);
} else {
fs.writeFile('images.json', JSON.stringify(result), function(error) {
if (error) {
console.log(error);
} else {
console.log('save');
}
process.exit(1);
});

}
})
matches(total);
function matches(page) {
//var url = `http://jandan.net/pic/page-${page}#comments`;
var url = `http://jandan.net/xxoo/page-${page}#comments`;
request({
method: 'GET',
url: url,
encoding: null
}).then(function(body) {
var content = iconv.decode(body, 'utf-8');
$ = cheerio.load(content);
var matchListRow = $('.view_img_link');
$(matchListRow).each(function(i, element) {
var item = $(element).attr('href');
var res_url = 'http:' + item;
// var name = PATH + item.slice(item.lastIndexOf('/') + 1);
result.list.push(res_url);
// request(res_url).on('response', function(response) {
// console.log(response.statusCode) // 200
// }).pipe(fs.createWriteStream(name));
});
ep.emit('finish');
}).catch(function(err) {
if (err)
return console.error(err);
});
}