有无爬取整站 url 的工具呢? - V2EX
首页 注册 登录
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
#Wrapper { background-color: #2d76c8; background-image: url("/static/img/shadow_light.png"), url("//static.v2ex.com/bgs/pixels.png"); background-position: 0 0, 0 0; background-repeat: repeat-x, repeat; } #Wrapper.Night { background-color: #22303f; background-image: url("/static/img/shadow.png"), url("//static.v2ex.com/bgs/pixels.png"); background-repeat: repeat-x, repeat; background-position: 0 0, 0 0; }
llhh
V2EX    问与答

有无爬取整站 url 的工具呢?

  •   
  •   llhh 2014-10-31 10:20:19 +08:00 5581 次点击
    这是一个创建于 4050 天前的主题，其中的信息可能已经有所发展或是发生改变。
    大概几百万页面，只想拿到其url即可。
    想自己写python，试了试，力不从心 ～

    所以上来问下有无一些现成的工具可以爬。

    谢谢大家！
  • URL
  • 现成
  • 力不从心
    10 条回复    2014-10-31 11:33:27 +08:00
    muziyue
        1
    muziyue  
       2014-10-31 10:23:22 +08:00
    老虎sitemap生成器:)
    TONYHEAD
        2
    TONYHEAD  
       2014-10-31 10:24:16 +08:00
    XENU
    llhh
        3
    llhh  
    OP
       2014-10-31 10:29:16 +08:00
    @muziyue
    @TONYHEAD
    这两个工具，3百万页面可以吗？
    muziyue
        4
    muziyue  
       2014-10-31 10:30:26 +08:00
    @llhh 没试过，我现在十万多要跑一个下午……
    iscraft
        5
    iscraft  
       2014-10-31 10:40:17 +08:00
    2楼说的xenu应该是最快的吧
    llhh
        6
    llhh  
    OP
       2014-10-31 10:46:37 +08:00
    @TONYHEAD
    @muziyue
    @iscraft
    我现在用screaming frog seo spider比xenu要强一些。
    可以正则爬取，选择ua，速度……十万的话3个小时，当然要看网站速度嘛。
    jqw1992
        7
    jqw1992  
       2014-10-31 10:50:17 +08:00
    http://www.zhihu.com/question/20788231 这个 chrome就可以了的
    touch
        8
    touch  
       2014-10-31 10:51:16 +08:00
    python scrapy不是很好爬吗
    sohu022
        9
    sohu022  
       2014-10-31 11:18:44 +08:00
    用Scrapy，把规则写好，把response.url保存下来就行了。
    simapple
        10
    simapple  
       2014-10-31 11:33:27 +08:00   1
    https://github.com/simapple/spider 去年早些时候写的，比较烂，希望能对你有帮助
    关于     帮助文档     自助推广系统     博客     API     FAQ     Solana     1111 人在线   最高记录 6679       Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 31ms UTC 17:41 PVG 01:41 LAX 09:41 JFK 12:41
    Do have faith in what you're doing.
    ubao msn snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86