我是一个实时分布式搜索引擎elasticsearch的新手，但我想问一个技术问题。真正的问题如下所示。哪种技术更适合我的场合？elasticsearch python API还是用于弹性搜索的RESTful API (elasticsearch-py)？
浏览 4提问于2015-12-01得票数 1
目前，我在import.io中设置了一个爬虫，它可以通过非常多的页面(数万页)进行爬行。一旦这个爬虫完成，我试图查看数据，但只看到它已经全部丢失，我认为这是由于纯粹的量。是否有一种方法来设置我的爬虫，以便在收集数据时实时地将数据写入我的硬盘上的文件？
浏览 0提问于2015-07-23得票数 2
回答已采纳
我试图建立一个非常小的，利基搜索引擎，使用Nutch来抓取特定的网站。有些网站是新闻/博客网站。如果我爬行，比方说，techcrunch.com，并存储和索引他们的首页，那么在几个小时内，我的索引该页将过时。另外，如何在我自己的索引中处理这个问题？
浏览 0提问于2012-04-26得票数 2
我正在努力学习Scrapy框架，我能够编写一个蜘蛛，并在网络上爬行等等。我还可以保存所需的数据，但不是以我想要的方式保存。 import scrapy from scrapy.linkextractors import LinkExtractor class ExampleSpider(CrawlSpider): allowed_domains = [
浏览 1提问于2020-09-22得票数 0
1回答
我想抓取所有的wordpress博客。有没有快速列出wordpress.com下所有二级域名的方法？例如所以我们可以通过1) dns查找一个网站的所有二级域名。2)还是通过其他黑客技术？
浏览 4提问于2012-10-20得票数 1
3回答
我对python和我将要在这个问题中讨论的其他所有东西都是相当陌生的，但我想开始一个我已经考虑了一段时间的项目。基本上我想抓取网页和显示的网址，因为和当他们被抓取的时候-在网页上实时。我编写了一个简单的爬虫，它将urls存储在一个列表中。我想知道如何将这个列表放入数据库中，并让数据库每隔x秒更新一次，这样我就可以访问数据库并定期输出网页上的链接列表。我对实时web开发知之甚少，但这是另一天的话题。但现在，我更关心的是如何将列表放入数据库。简而言之，我是个新手: Python，数据库，实时
浏览 1提问于2012-06-22得票数 0
1回答
我有一个“无所不包”的服务器，它是were服务器，mysql，爬虫服务器。由于使用监视工具的两三周时间，我发现当我的爬虫运行时，我的平均负载总是超过5(一个4核心服务器，可以一直使用到4.00作为负载)。所以，我有另一台服务器，我想把我的爬虫移到那里。我的问题是。一旦我在我的爬虫服务器中爬行数据，我必须插入我的数据库。我不想打开远程连接并将其插入数据库中，因为我更喜欢使用Rails框架，顺便说一句，我使用rails，以便更容易地创建所有关系，等等。想法：
将csv从爬虫移除到删除服务器(ssh，rsync
浏览 2提问于2011-05-01得票数 0
如何在实时环境中禁用robots.txt文件中的开发域环境。开发环境url - www1.dev.com Live - www.Live.com 谢谢，Sekhar
浏览 8提问于2020-08-24得票数 0
我知道Nutch并且用过Nutch，但是我想知道其他人是否知道比Nutch更好的爬虫。
我还使用了Elasticsearch作为索引器，很难让Nutch与更新版本的ES一起工作。
浏览 10提问于2018-02-01得票数 1
回答已采纳
1回答
弹性豆杆不运行的克隆约伯
、、、、
我在一个弹力豆茎应用程序上有一个抓取器，我可以像这样运行SSH：
我想帮我安排一个任务来处理这个问题。Cron won't r
浏览 0提问于2015-04-13得票数 0
2回答
基本上，爬虫在网站上运行的频率很高，导致负载增加。这会导致带宽消耗，从而给其他人带来糟糕的用户体验。我想知道像谷歌、亚马逊和电子海湾这样的网站是如何防止这些事情的：不能设置诸如连接或数据包/时间/ip之类的阈值，因为这将导致站点上的适当客户的用户体验较差。
浏览 0提问于2011-10-14得票数 0
2回答
我想抓取一个特定的论坛，接近实时，并将数据转储到HDFS，如果不是Hbase。
我听说Apache可以解决这个问题，但遗憾的是，它所需要的技术栈已经相当陈旧了。我不想把hadoop从2.6降到更早的版本，Elasticsearch降到1.7/1.4，所以我把注意力转移到了风暴爬虫上。由于我使用Hadoop2.6、ElasticSearch2.0和Hbase 1.1.3，有人能告诉我是否可以使用风暴爬虫0.9吗？
浏览 3提问于2016-04-06得票数 1
回答已采纳
3回答
我正在用Python制作一个web爬虫，它收集重定向/链接，将它们添加到数据库中，并在链接不存在的情况下作为新行输入它们。我想要使用多线程，但有麻烦，因为我必须实时签入，如果有一个条目与给定的URL。
我最初使用的是sqlite3，但意识到我不能在不同的线程上同时使用它。
浏览 5提问于2017-05-22得票数 3
回答已采纳
1回答
我想从别人的经验中了解用Codeigniter创建站点地图的最好方法。我看过一些插件/库，但都会检查数据库中的页面。如果站点上的一些页面是静态的而不是动态的，会发生什么？我以前在项目中使用过的一个工具是我的下一步是什么？我如何才能做到这一点？
浏览 2提问于2011-11-22得票数 0
回答已采纳
1回答
我想当一个直播流内容在我的网站上提供，就像一场体育比赛，然后我想谷歌显示一个实时流预览，其结果从视频标签。📷如何在google搜索中显示实时流徽章？
如何立即通知谷歌的实时蒸汽视频或改变？
浏览 0提问于2018-05-03得票数 1
回答已采纳
我将时间序列数据存储在每日生成的DynamoDB表()中。这些表的命名惯例是"timeseries_ 2019-12-20 "，其中2019-12-20为当前日期。我想以CSV格式将前一天表发送到S3桶。推荐的方法是什么？我在看AWS Glue，但不知道如何让它每天找到新的表名。也许有云观察事件的lambda函数会更好？DynamoDB表的大小不大，存储了几百个数字。
浏览 4提问于2019-12-21得票数 0
回答已采纳
在一个实时网站上，假设有一个页面已经过时了，旧的信息。
就把它删除可以吗？或者，我是否必须设置Apache重定向，或者为web爬虫做404或其他特殊的操作？
浏览 0提问于2013-08-21得票数 0
回答已采纳
2回答
可以在Python 框架中使用.NET框架从不同的站点抓取数据吗？我正在做我的最后一年的项目，在这个项目中，我想使用C#作为前端语言，并使用Python来抓取数据。
浏览 0提问于2014-05-07得票数 4
我有一个python爬虫，每隔几分钟就抓取几个网页。我现在正在尝试实现一个可以通过web访问的用户界面，并显示爬虫获得的数据。我将使用php/html作为接口。无论如何，用户界面需要某种类型的按钮来触发爬虫程序立即抓取特定的网站(而不是等待下一次抓取迭代)。
现在，有没有一种方法可以将数据从php脚本发送到正在运行的python脚本？然后我在考虑使用一个共享文件，php在其中写入数据，python从中读取数据。但是，我需要一些方法来让python脚本知道，新数
浏览 1提问于2011-03-31得票数 1
我用Python2.7编写了大量的Scrapy爬行器。我需要将它们全部转换为支持Python 3，这种转换必须在1 go内完成。我只能在Python 3爬虫做好部署准备之后才能开始使用。现在，由于“所有操作都必须保持活动状态”，我需要一个单独的Python 3爬虫的远程分支。这个分支可以称为Remote-B。我手动创建了这个分支，所以整个存储库现在有两个分支: Master(Remote-A)和Python3爬虫(Remote-B)，后者是主分支的一个
浏览 3提问于2019-09-10得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
腾讯会议活动推荐
腾讯云开发者
