/mycrawler

知乎爬虫

Primary LanguageJava

知乎爬虫

2.0版本,和1.0版本有很大的不一样
为啥会更新呢,1.0版本的代码写的比较乱,重构了下。
暂时还没有加新功能,2.0版本运行非常简单,直接配置。
##运行方式 0.这是一个maven工程,需要maven的支持。
1.导入工程。
2.配置 config.properties 文件
3.执行 Main.java 就可以跑起来
4.首次运行,会模拟登录,需要手动输入验证码,登录成功后,会自动序列化Cookie到resources,以后都可以不用登录。 ##注意 由于知乎现在有反爬虫机制,如果访问频繁账号会封禁一段时间,不过可以通过发送邮件的方式手动解封的。 我之前跑5个下载线程就被封了。 现在默认下载线程数是3,可以通过 config.properties 配置文件的downloadThreadSize来修改。 最好还是注册一个小号来跑吧。如果确实追求效率,那就多注册几个账号跑吧。 ##TODO 有空再改一个非maven版本的。 支持分布式 ##问题 有什么疑问,欢迎提出来。