我正在使用js爬虫来抓取网站，现在我遇到了CNN，的那一部分(基于某种原因动态生成的urls)。事情是爬虫，不要真正接触脚本-我应该如何解决它？除了我的node.js爬虫之外，我还应该编写自己的代码吗？是否有先进的爬虫知道如何处理这种动态行为？
浏览 1提问于2016-07-23得票数 2
回答已采纳
1回答
向机器人隐藏代码
、、、、
有没有一种方法只对爬虫隐藏页面的特定部分？那么，有没有办法对机器人隐藏某些部件，但在未来不会对用户隐瞒？不是整页，只是部分。但没有理由不让智能js阅读爬虫来隐藏它。麦芽酒
浏览 6提问于2014-10-16得票数 0
回答已采纳
我正在阅读angular的服务器端渲染文档，因为它们提到服务器端渲染是帮助爬虫。我知道在服务器端渲染爬虫可以获得整个dom，但爬虫也可以与组件交互，那么它如何帮助爬虫呢？
浏览 18提问于2019-09-15得票数 0
1回答
我要做个爬虫。对于http请求，我曾经这样做过。', function () { }); http.request(options, callback).end(); throw er; // Unhandled 'error' eventError: getaddrinfo ENOTFO
浏览 2提问于2015-01-18得票数 1
回答已采纳
登录后，我查看了facebook中的html代码，他们似乎对JS文件做了很多请求(根据firebug，多达20个)。所以，虽然我知道facebook需要加载许多JS和CSS文件(而不是一个JS和一个CSS文件)，但我的问题是更通用的网站和网络爬虫的状态。我们应该担心这些技术(通过ajax加载主要内容)会影响网络爬虫(googlebot和朋友)吗？我想提高性能，加载“稍后需要”的内容(text/js/css)似乎是个好主意，但如果爬虫不能使用(当然是内
浏览 2提问于2013-03-18得票数 3
如何使用爬虫来点击执行js代码的链接，这个链接没有HREF属性。爬虫可以通过客户端在页面上执行js代码吗？
浏览 82提问于2021-02-03得票数 0
1回答
问题是爬虫找不到规范的站点，因为它是通过Angular动态加载的。有没有可能绕过这个限制，比如在Angular项目的索引站点中放置对所有对象的引用？更清楚地说：object的详细视图: mysite.com/#/ detail /object1
如果我根据当前显示的对象动态添加对amp页面的引用，爬虫将找不到amp
浏览 1提问于2017-09-18得票数 0
我的问题是：
SSR将如何与搜索引擎爬虫工作，以了解我的文章存在？所以，如果我要搜索“我的网站条款”或“我的网站条款栏”，它如何知道这些不同的文章存在？
浏览 2提问于2017-03-01得票数 2
回答已采纳
2回答
我必须运行微爬虫，这是一个爬虫网络应用程序，与node.js运行。我不知道如何打开这个应用程序，我下载了node.js，当我在node.js命令行中编写install npm和install bower时，什么也没有发生。我也不知道如何在安装后启动web应用程序。
浏览 2提问于2014-09-28得票数 1
1回答
爬虫-程序设计语言选择
、、、、
我目前正在开发一个网络爬虫。第一个版本是用Node.js开发的，运行得很好。我在Node.js中遇到的问题没有什么特别的顺序：由于C++绑定调用开销而导致的HTTP数据包解析速度慢现在我开始思考在概念证明之后会发生什么。
编程语言的问题是我还无法回答的问题。
浏览 0提问于2015-05-01得票数 -2
1回答
当我在WebmasterTools中查看它时，我发现存在一个“作为谷歌的抓取--暂时无法触及的问题”。这是一个图像，和字体。
我如何解决这个问题？
浏览 0提问于2015-12-22得票数 5
在密码保护网站中，它加载认证框太多，fast..Is加载速度慢，...is加载速度慢，.htaccess文件中任何代码加载速度慢。g|gif|css|js)$"> </FilesMatch>
RewriteCond %{REQUEST_FILENAME} !refresh" content="1;URL='iptrackercheck.aasthasolutions.com'"
浏览 2提问于2016-09-15得票数 1
1回答
我有一个网络爬虫，它在抓取网络时将信息保存到数据库中。在执行此操作时，它还会将其操作及其遇到的任何错误的日志文件保存到mysql数据库的日志字段中(字段将变为64kb到100kb之间的任意位置。我从一个管理网页上查看了这个日志文件，除了加载速度慢之外，当前的实现似乎工作得很好。有没有什么加速的建议，或者实现的建议？
浏览 3提问于2012-07-18得票数 1
回答已采纳
我有一个独特的情况，我有几个页面在多个页面中“分页”(通过WordPress的“下一页”功能)。相同的内容，分布在两个或更多页面上，如下所示：http://mysite.com/mypage/2因此，页面本身有一个html页面标题标记<title>My Page</title>，但由于它分布在多个页面上，我必须创建脚本来为每个页面添加唯一的html标题标记，以便让google对它们进行索引。$exploded = explode("/&#
浏览 4提问于2013-06-22得票数 2
在nodejs/express中，如何允许爬虫使用站点地图？app.jsRouteHandler.jsvar routesIndex = require('./rou
浏览 2提问于2015-09-06得票数 1
回答已采纳
这是一个单一的页面应用程序，所以基本上有一个“空”HTML文件和一个JS包来完成这一切。我通过用户和机器人的User-Agent字符串来区分它们。所以这些都是可能的：ROBOT DESKTOP => GETS RENDERED
浏览 0提问于2021-01-07得票数 0
回答已采纳
爬虫在我的头中没有通过脚本附加的meta标签：有没有合适的JS代码格式可以不阻止爬虫抓取我的脚本？
浏览 1提问于2020-12-15得票数 1
2回答
如果我想要更改数据，我可以使用JS来完成，而无需重新加载页面。百事大吉。
但是，现在，我了解到元标签不能使用js更改，应该让它重新加载/刷新page...is，这是正确的吗？
浏览 14提问于2019-08-18得票数 2
我注意到，来自蜘蛛和爬虫的访问产生了对该API的数千次调用，而我正在为这些调用收费。有没有办法阻止显示由API生成的内容的网页部分，即只有实际的访问者才能看到它，并且在抓取网页时不会生成API调用？
浏览 1提问于2016-10-23得票数 2
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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
