Re: an94mod0 : 備份網站找不到了

看板Marginalman作者int0x80 (後悔なんてあるわけない)時間3年前 (2022/07/03 18:51)推噓5(5推 0噓 3→)

留言8則, 7人參與討論串12/14 (看更多)

: 推 emptie: 屁啦一大堆純文字的東西最好會影響效能 07/03 14:21 : → emptie: but站方有限制爬蟲短時間能存取的數量就是了，你爬太快有 07/03 14:22 : → emptie: 機會被auto ban 07/03 14:22 : → emptie: 那樣備份網站可能就要多開幾隻帳號來爬很不方便 07/03 14:23 我不認為備份網站是用 PTT 帳號在爬的應該是去爬網頁板，原因有以下幾個 1. 控制碼首先可以觀察到，備份站是沒有控制碼的。如果是用帳號在爬的話，有控制碼的文章就會出現他的帳號名稱。 PiTT 的作法是偵測到這個頁面有在用控制碼(右下角會顯示)就改成純文字模式，所以如果用 PiTT 你會發現有控制碼的文章一定是全白色的，即使作者有用顏色。但純文字模式下ID控制碼會變成 **s，也並非完全消失當然他可以取一個亂碼ID然後直接取代掉，不過感覺起來還是直接爬網頁板比較方便 2. 文章編號例如以下形式 #12345678 (NoSuchBoard) 可以發現備份網站的文章編號是可以連到相應的文章的如果是爬網頁板的話很簡單，因為網頁板直接就提供連結了 (<a href=...>) 把網域改了就好了但如果是用帳號去爬的話，就得自己去偵測哪裡有文章編號還要自己從文章編號轉成網址，有點吃力不討好 3. ??? 525的這篇文章： #1YiVstLH (Marginalman) https://www.ptt.cc/bbs/Marginalman/M.1655831991.A.551.html 我也不知道原因，可是我不管用 term.ptt.cc 還是各種 app 都會顯示一堆胬胬胬胬胬胬胬胬胬胬胬胬胬胬胬胬胬而網頁板不知道為什麼就沒有，且備份站也沒有所以我覺得備份站應該是爬網頁板而不是自己用帳號爬的 -- https://i.imgur.com/lGiFkH9.png