1回答
由于现在Twitter API 数据爬取付费，所以我想在不使用Twitter API的情况下使用python爬取到特定关键词的Twitter数据或者Reddit数据，有什么好办法吗？
浏览 552提问于2024-01-06
我正在尝试创建一个托管元数据字段，但它没有显示在我的爬网列中。它是一个自定义字段。我不确定哪里出了问题，但当我搜索时，我唯一的结果是查看与列表相关的所有项目页面。它似乎不会搜索列表项本身。我不知道这是否相关。
我将此列添加到我的视图中，以备需要时使用，但这并不起作用。
浏览 1提问于2010-06-15得票数 1
我的要求是使用图形apis在我的整个SharePoint Online (SPO)中搜索文件。我在MS Graph Explorer中使用的查询如下所示：
domain'.sharepoint.com/_api/search/query?Querytext='res1a2b3c4d5e‘
基本上，上面的查询是搜索标题/名称为'res1a2b3c4d5e‘的所有文档。如果我搜索任何现有的文档，这将很好地工作。如果我试图搜索在进行上述调用之前创建/上传的任何文档，我将不会得到结果。
如果我在几分钟后搜索相同的内容，则请求成功。当我在我的客户站点上尝试相同的内容时，它有数百
浏览 2提问于2017-04-18得票数 1
自动更新目录中的全文索引的内部系统进程(change tracking = on)需要很长时间才能完成，从而锁定了希望同时访问同一个表的其他查询。 除了将更改跟踪设置为关闭之外，是否可以采取其他措施来避免这些影响？保持较小的目录大小是否有帮助，即每个目录一个表？全文目录目前有34 GB大小，其中包含一些包含大量记录的非常大的表。
浏览 22提问于2019-02-22得票数 0
回答已采纳
1回答
我正在使用SQL Server2008 R2全文索引。我注意到我搜索的一些结果没有包含在结果中。在进一步的调查中，我发现可疑数据包含ASC控制字符()。我的表是一个简单的平面结构，如果任何行包含这些字符中的一个，则不会显示结果。
只要我替换数据中的字符，结果就会出现。我在查询中使用CONTAINS。
我找不到一个可以证实这种行为的链接。我可以从数据库中删除这些字符，但如果能确认并了解原因会更好。任何帮助都将不胜感激。
浏览 0提问于2013-09-02得票数 0
2回答
我写了一个网络爬虫，它在do while循环中调用网页，循环时间为3秒 总共有7000个网站...我解析数据并将其保存在我的数据库中。 有时因为脚本加载了很长时间，我在浏览器中遇到超时， 但在后台，我继续说。我在我的数据库里看到了。 我能防止这种情况吗？..现在，如果我停止webserver，这是可能的。 谢谢你，并致以最良好的问候。
浏览 0提问于2010-01-22得票数 0
2回答
我正在与一个客户合作，将一个网站从现有的生产硬件迁移到新的硬件环境中。现在似乎是执行审计并删除任何旧的或过时的内容而不是盲目复制它的绝佳时机。
有没有什么好的免费工具或脚本可以用来将服务器上的web可访问内容与服务器上的实际文件进行比较，以查看实际链接和使用的内容是什么？
提前感谢您的帮助！
浏览 1提问于2009-07-07得票数 2
2回答
我想知道从什么时候起Facebook上的粉丝就是粉丝了？我想出的唯一办法就是抓取粉丝页面的整个feed，然后像墙上的帖子一样追踪第一个帖子。然而，这种方法并不十分准确。
有什么想法吗？
浏览 2提问于2011-05-19得票数 0
回答已采纳
我们有三个域名非常接近重复的内容(Magento网站)。让我们称它们为production.com、development.com和staging.com。
我在development.com和staging.com上有机器人无索引。我还启用了htpasswds。谷歌对这些域名的搜索显示，它们还没有被索引。然而，当我登录到该软件的后端时，我开始收到来自Chrome的网络钓鱼警告。
我需要尽快停止这一切。如果警告扩散到前端，我们将看到相当严重的后果。
最佳的行动方案是什么？
浏览 1提问于2013-12-07得票数 0
1回答
我正在用python在一些页面上做web抓取，我已经被其中的一些阻止了。当我试图通过TOR浏览器检查它时，我已经看到我无法访问页面，所以我认为这些页面已经能够跟踪我所有的IP或我没有很好地配置TOR (我认为不是因为我用Chrome和TOR检查了我的IP地址和TOR是不同的)，所以，有人知道为什么吗？
此外，我正在尝试在我的python代码中执行一个函数或方法来自动更改mi IP。我所看到的是，最好的方法是通过TOR浏览器(将其用作从页面获取数据的搜索引擎)，但我无法使其工作。你对创建这个函数有什么建议吗？
谢谢!
浏览 19提问于2020-05-21得票数 2
回答已采纳
我刚刚重建了我的电子商务网站，列出了大约9,000种不同的产品，分为12个不同的类别，分为许多子类别。每种产品都是独一无二的。谷歌似乎不太可能对我的完整目录进行索引，所以我正在考虑将rel=nofollow添加到我所有的分类链接中，只留下指向35页最高价值产品的链接。这是一个好策略吗？其他人在类似的情况下做了什么？
谢谢!
浏览 0提问于2011-12-30得票数 0
回答已采纳
SharePoint2010 search中的索引数据库和属性数据库有什么不同？
浏览 5提问于2011-02-15得票数 0
回答已采纳
2回答
我有一个破烂的代码，应该能够采取电话和地址从一个网页中的表格：
import scrapy
class PeopleSpider(scrapy.Spider):
name="People"
start_urls=[
'http://canada411.yellowpages.ca/search/si/1/519-896-7080/',
]
def parse(self,response):
for people in response.css("div.person-search__table--row"):
yield
浏览 0提问于2017-02-16得票数 0
我有一段艰难的时间与buggy模块，需要做很多安装，卸载等。
但是即使我卸载，模块也会将数据保留在SQL文件中，而从零开始的唯一方法就是每次重新安装.
如何保存导入时将删除所有旧数据的SQL文件？
一个新的SQL文件，它不包含任何新安装和卸载模块的数据。
我尝试过添加database和其他设置，但是似乎一旦安装了一个模块.它太late..it了，它不断地爬回到数据库中，有时还会形成依赖关系？
浏览 0提问于2015-08-23得票数 0
请任何人让我知道，我如何才能识别更新的网址去重新抓取？当页面要重新爬行时，我只想抓取页面的更新内容，而不是已经抓取的旧内容。提前谢谢。普拉亚..。
浏览 0提问于2012-04-20得票数 0
2回答
目前似乎还没有工具可用于爬取站点并将内容转换为ePub格式。我认为，在没有得到网站所有者明确同意的情况下，在网站上执行这一行动是有法律含义的。
我这么问的原因是，我希望能够将Doctrine 2参考指南转换为适用于我的Kindle的ePub格式。
浏览 2提问于2011-05-08得票数 1
回答已采纳
我已经构建了一个web应用程序。
一旦你登录了，就会显示两个Google Adsense的广告。
问题是，广告中的产品几乎总是一样的，即使我的webapp是一个任务/项目管理工具，我猜有很多产品是用Google Adsense做营销的。
Google不能访问我的用户的私人页面(我不想这样)，所以我认为它只是爬行登录页面，但是，检查web服务器访问日志，谷歌似乎没有试图读取任何页面。
我猜它可能使用了某种缓存。
我的最终目标只是让更多种类的产品在我的Google Adsense上做广告。
谢谢，汤姆
浏览 6提问于2010-10-04得票数 1
我想在我的网站上看到所有公开访问链接的列表，这样我就知道用户可以访问哪些页面。是否有网站或应用程序可以抓取我的网站并显示此类信息？
浏览 1提问于2011-12-04得票数 0
我在seed.txt中用url-1成功地执行了一次爬行，我可以在MySQL数据库中看到爬行的数据。现在，当我尝试通过在seed.txt中用url-2替换url-1来执行另一次新的爬行时，新的爬行开始于抓取步骤，并且它试图抓取的url是seed.txt中旧的替换的url。我不确定它是从哪里拿到这个旧网址的。
我尝试检查隐藏的种子文件，但没有找到，并且在我运行爬网命令的NUTCH_HOME/ run /local中只有一个文件夹urls/seed.txt。请告诉我可能是什么问题？
浏览 1提问于2013-04-17得票数 1
我是Sitecore的新手，在发布我的VS解决方案之前，虽然我确实重建了搜索索引，链接数据库，并为我得到的所有索引运行索引管理器，比如重建处理了0个项目，这是无穷无尽的时间。有没有人能建议我为什么每次都会收到这个？如何解决这个问题？
浏览 0提问于2016-09-20得票数 0
我已经参考了本教程()来使用Hbase设置Nutch2.2.1。我已经完成了教程中给出的设置，但是没有清楚地提到如何抓取数据并将数据存储到Hbase表中。
你能为我推荐一些相关的链接/书籍来获得相同的信息吗？
浏览 3提问于2014-01-15得票数 3
通常，indexed_search只对已经访问过的页面进行索引。如果用户没有访问过该页面，则不会有搜索结果。有没有一种不需要访问就能索引所有页面的方法？或者我必须使用另一个扩展？
Typo3: v4.2.8 Indexed_search: v2.11.1
浏览 0提问于2012-01-16得票数 0
回答已采纳
我在一个中间的专用服务器上运行一个内容很多但流量很少的网站。
偶尔，Googlebot会蜂拥而至，导致Apache耗尽其内存，并导致服务器崩溃。
我怎样才能避免这种情况？
浏览 2提问于2009-08-25得票数 11
回答已采纳
1回答
雅虎管道合法性
、、
如果一个网站声明不抓取他们的网站，那么使用Yahoo Pipes或YQL这样的工具来创建mash up还合法吗？
我看不出这与直接网络抓取有什么不同，除了第三方正在检索数据。
谢谢。
浏览 2提问于2013-09-26得票数 0
1回答
我需要创建一个包含外部数据(来自BDC)的列表字段。该字段必须包含多个值。但是我没有找到一种方法来让外部数据字段接受多个值。
通过使用Column-Properties，可以从User-Contetntype创建这样的多值字段。通过从外部数据创建列，我不可能激活多值模式。
它应该看起来像这样，仅仅来自外部数据源(BDC)：
有没有人知道如何处理这种情况？
浏览 2提问于2012-04-23得票数 1
而不是使用google搜索设备爬虫来索引内容，而是使用对sql服务器数据库的查询。
查询运行得很好，但我认为所有这些注册表现在都属于默认集合( Google Search Appliance的完整索引)。
您知道如何仅使用查询的数据创建新的集合吗？
提前谢谢。诚挚的问候。何塞
浏览 0提问于2010-02-09得票数 1
回答已采纳
3回答
当我在Alexa上搜索我的网站时，上面写着"Alexa流量等级:没有数据“。
我已经读过，要获得一个网站的索引，你必须点击“爬我的网站”在网站管理员的网页。然而，没有一个链接说“爬行我的网站”。那么，到目前为止，一个人如何得到一个由Alexa索引的网站，以便我的流量排名将显示在Alexa索引中？
浏览 0提问于2011-07-29得票数 4
我正在存储一个PHP数组，其中key=>value对是用于在网站上构建jQuery UI选项卡的信息。
存储在MySQL数据库中的字符串如下所示：
A:2：{i:0；a:2：{i:1；s:9：“信息”；i:2；s:643：“本节关于fooLorem ipsum ...”；}i:1；a:2：{i:1；s:14：“更多信息”；i:2；s:465：“Lorem ipsum ...";}}
(不是有效的序列化数组或html，因为我出于格式原因截断了冗长的内容)
我想允许此内容馈送到Sphinx (全文索引)的网站搜索目的。基本上，Sphinx只是抓取数据库的内容并索引它找到的内容，取决于
浏览 0提问于2009-09-21得票数 0
回答已采纳
2回答
我有一台24 ram内存的服务器，四核xeons超线程。我需要在我的服务器应用程序中创建一个线程池。线程池的最大线程数的指导原则是什么？
谢谢
浏览 1提问于2011-11-22得票数 0
如何取消云社区的文章同步？
或者，如何设置只同步原创的文章??????????????????????????????????????????????????
浏览 261提问于2020-10-24
我尝试在SharePoint Document Library上搜索文件(例如，默认的“根目录”)。我上传了一些测试文件，或者在网上创建了新的办公文件，并提出了一些搜索请求，例如https://graph.microsoft.com/v1.0/sites/root/drive/root/search(q='{query}')，直到昨天，一切都很好。
现在我开始在SharePoint上编辑文件或创建/上传新的文件，对于这些编辑的或新的文件，我有一个问题，当我搜索它们时没有得到结果。“旧的”文件，我开始创建的时候，我发现，虽然，只要我不编辑它们。
为了获得访问权限，我在AAD中注册
浏览 8提问于2018-08-31得票数 0
回答已采纳
20回答
我将从事一个数据挖掘的项目。在我开始之前，我想探索一下不同的数据挖掘工具(最好是开源的)，它们允许基于web的报告。在我的场景中，数据将被提供给我，所以我不应该爬取它。
简而言之，我正在寻找一个工具，它做-数据分析，基于网络的报告，提供了某种仪表板和挖掘功能。
我曾经在Microsoft Analysis Services和BOXI上工作过，后来我一直在研究Pentaho，这似乎是一个很好的选择。
请在你所知道的任何这样的工具上分享你的经验。
干杯
浏览 1提问于2009-05-07得票数 27
2回答
如何使用Mechanize库查找网站上的所有链接？
我喜欢递归地解析内部链接，以便抓取一个网站的所有链接。
浏览 0提问于2012-07-23得票数 2
回答已采纳
2回答
为了方便起见，我使用Java解析一个随机网站的超文本标记语言，假设它是。在解析HTML数据之后，我希望提取其中的一些数据，并将其显示在显示器上。之后，用户将输入搜索词，并按下一个按钮。这个按钮将执行“搜索”按钮后面的脚本。我想在几个网站上做到这一点，所以给我一种只与google一起工作的方法不会对我有太大帮助。
浏览 0提问于2012-03-30得票数 0
回答已采纳
您好，我目前正在Watson knowledge studio中创建机器学习模型，需要使用加载的盲数据进行测试。请需要一些帮助，了解如何将邮件服务器与Watson discovery服务连接/集成，以便理解收到的邮件。
浏览 0提问于2018-09-14得票数 0
我在windows server 2008 R2上使用solr5.0，nutch1.10和cygwin。我发出的命令如下：
B/爬网-D urls/ b/urls爬网/2
据我所知，2是爬行的轮数。当我执行此命令并读取crawldb时，我只收到127个url，这比预期的要少得多。此外，它不会在更深的深度爬行。当我发出这个命令将数据传递给Solr时：
bin/nutch solrindex段爬网/crawldb -linkdb爬网/linkdb爬网/ /*
然后执行搜索，那么我总共只得到了20个url。有人能帮上忙吗。我需要做一个更深的深度爬行。
浏览 0提问于2015-06-03得票数 0
我使用site:www.mysite.com搜索我的所有url，检查它们是否都重定向良好，但我在谷歌搜索中发现其中一个url有www.mysite.com/?SID="long number“。
如何从google中删除此url
提前感谢
浏览 1提问于2014-04-22得票数 0
我希望我的站点地址栏在我转到子页面时不要更改它的地址，它应该显示我的index.html，即使我进入子页面。
例如，如果我打开www.xyz.com并导航到任何页面，它仍然应该显示www.xyz.com。
我听说用.htaccess可以做到这一点，可能吗？
浏览 1提问于2011-03-07得票数 2
回答已采纳
我有一个ngx-datatable，其中有几个列，如下所示：
<ngx-datatable-column name="PLZ/Ort" prop="plzCity" [flexGrow]="1" >
<ng-template let-column="column" let-sort="sortFn" let-sortDir="sortDir" ngx-datatable-header-template>
<span (click)="so
浏览 0提问于2019-05-15得票数 0
2回答
我已经使用robots.txt限制了我站点中的一个文件夹。该文件夹由在建的站点组成。谷歌已经索引了所有处于测试阶段的网站。所以我使用了robots.txt。我首先提交了站点，并且启用了robots.txt。现在www.mysite.com/robots.txt的状态是成功。但谷歌仍在列出这些测试链接。以下是我为robots.txt编写的代码...
User-agent: *
Disallow: /foldername/
有没有人能告诉我问题出在哪里？提前感谢
浏览 1提问于2010-09-08得票数 6
1回答
我已经建立了一个网络爬虫，应该爬行我的客户网站每晚。我不希望我的请求出现在他们的Google分析中，那么我如何自动确保这一点？
据我所知，我是通过用户代理指示请求来自爬虫的。那么，默认情况下，我应该使用哪个用户代理字符串来获得过滤掉我的请求的分析(这样客户就不需要从他们的报告中过滤掉请求)
浏览 2提问于2011-12-20得票数 1
以前，我已经阻止了搜索引擎机器人，以防止使用robots.txt文件爬行我的网站，但现在我想取消阻止它们。 我更新了robots.txt文件，并允许搜索引擎机器人爬行我的网站，但搜索引擎似乎仍然使用我的旧robots.txt文件，我如何告诉搜索引擎使用我的新robots.txt文件？或者是我的robots.txt文件有什么问题？ 我的旧robots.txt文件的内容： User-agent: *
Disallow: / 我的新robots.txt文件的内容： User-agent: *
Allow: /
# Disallow these directories, url types &am
浏览 27提问于2019-03-24得票数 2
回答已采纳
1回答
是否有可能挂钩到MOSS 2007爬网进程，并在内容被索引时以编程方式填充元数据属性？
我需要在爬网时这样做的原因是，内容来自SharePoint外部(来自文件共享)，因此我不能将元数据直接添加到文档本身。有各种各样不同的文档类型，所以定制的IFilter也不是一种选择。
浏览 1提问于2010-06-25得票数 1
回答已采纳
我有一个数据库的一些数据，如网址，ip，国家，州等。
我需要抓取url并将值映射到url。
假设我有一个url 和美国国家，我需要用抓取的数据来映射这个国家。
我尝试了数据库爬虫，它是非常慢的.Because我有500万的网址。
是否有其他选项可以将数据库值与open search服务器搜索的数据进行映射。？？
提前谢谢。
浏览 3提问于2012-12-22得票数 0
在我们的网站上有一个网站地图
网站管理员中心报告说，网站地图中的一些urls被我们的robots.txt屏蔽了，请看，！尽管这些urls在Robots.txt中并不是不允许的。还有其他类似的网址，例如，gamezebo.com/gamelinks出现在我们的网站地图中，但它被报告为“robots.txt限制的网址”。
另外，我在站长中心有一个解析结果，上面写着：“第21行:爬行延迟: 10规则被Googlebot忽略”。什么意思？
我很感谢你的帮助
谢谢。
浏览 3提问于2009-09-28得票数 1
我已经在stackoverflow和网络上搜索过了，一定是这里漏掉了什么。我还没有找到我要找的东西。也许它叫别的什么..我有下面的代码，它将抓取第一个文件夹中的所有内容，但不会从其他文件夹中抓取其他项目。例如，它会抓取第一个/前面的所有内容，但如果你有一个站点mysite.com/ folder2 /，它就不会抓取folder2。一切都是联系在一起的。它也会向后移动。如果你把最长的链接放在网站的前面就会一直走到网站的前面。我不确定我错过了什么任何指针将是伟大的。该网站是一个joomla网站，我正试图废止。
<?php function storelink($web,$taken) {
$
浏览 0提问于2013-02-19得票数 0
快速问一下，我错误地开始了对我的一个内容源的增量抓取。然后我暂停了它，这样它就不会影响用户了。 它将在下一次计划的增量爬网时恢复还是需要手动恢复？
浏览 12提问于2019-12-20得票数 0
利用python爬取豆瓣电影排行榜（https://movie.douban.com/chart)的数据并保存到excel中。
用相同代码爬取网页豆瓣top250的数据可以爬取到excel中，但将网址及相关信息改为网页豆瓣电影排行榜中的信息时便无法爬取，也找不出问题所在。以下图片为完整代码。
590859A8-9A1A-4E52-8E60-AD292B16B4A8.png
655C6D0E-4901-4369-AA98-452F9FEFB852.png
4E73A31E-C9C4-45C0-A34E-8EA9AE335A98.jpeg
91321020-9B32-4C77-910A-FA
浏览 335提问于2021-01-09
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
腾讯会议
实时音视频活动推荐
腾讯云开发者
