爬 RSS 设置多长的时间间隔比较好？

2019-04-28 14:40:59 +08:00
 pockry

写了个 rss 爬虫练练手，想问问爬 rss 一般设多长的时间间隔比较好？

RSS 官网文档好像建议一个小时一次，不过我比较注重实时性，像 cnbeta 这种一小时更新十几篇的，如果 rss 只输出 10 篇，我都不一定能爬的全。

像某些 rss reader 好像会根据 rss 的更新频率自动设置一个抓取频率，这个需要一定的历史数据量，我也搞不起。

所以一个比较礼貌又比较实用的 rss 抓取频率设置为多少为好？ 5 分钟一次会不会被 ban ？

2500 次点击
所在节点    问与答
4 条回复
Ultraman
2019-04-28 15:05:25 +08:00
反正是练手，抓取到的内容并不重要，换个更新没那么频繁的网站抓去
jifengg
2019-04-28 15:18:05 +08:00
rss 协议里面有个下次获取时间（之类的），不过我看了一些 rss 服务，有的没有这个值，有的这个值比较大。
我自己是 500 秒获取一次，目前没有出现被 ban 的
airyland
2019-04-28 16:02:26 +08:00
rss 会返回 ttl 定义，http://www.w3school.com.cn/rss/rss_tag_ttl.asp 。如果不定义，5 分钟是一个还可接受的频率。
agagega
2019-04-28 18:02:38 +08:00
RSS 里一个 xml 的条目最大数量有规范么？

这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://tanronggui.xyz/t/559475

V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX