自动文章采集(自动文章采集宝：海量文章页获取用户感兴趣的文章)

　　自动文章采集(自动文章采集宝：海量文章页获取用户感兴趣的文章)

　　自动文章采集宝：海量文章数据采集宝接口可以从海量的文章页获取用户感兴趣的文章；每个用户对于文章都会有自己的权重和兴趣方向标签，所以就可以定向采集和匹配用户的兴趣标签相关的文章。目前基于爬虫技术的企业采集宝项目还在开发中，如果你有意向合作，可以联系我。

　　可以看一下文章采集王，是从知乎文章下采集而来的。

　　一般的网站都有文章库，我看到的iwebsnake是在三年前采集的。可以看下自己公司或者项目用哪些网站，

　　网易等门户型网站都有很丰富的文章数据可以下载，直接搜索要下载的网站就可以找到。最近还出现了不少文章数据定制化采集软件，可以自己定制数据来源和匹配投放方式。具体看各大招聘信息和采集软件的信息。ps：知乎水军一般都很高产，手动@一下。pps：有人统计说某数据公司一年采集了多少亿条数据，网站性能要求又比较高。

　　我所知道的大概有数百亿条数据吧。这些数据也许可以对比定制化开发，毕竟是金矿，或者挖掘和定制数据量比较大的领域，比如保险，内控风控等。

　　一般来说，微信公众号文章的确很难从其他网站获取，那么也只能爬虫啊~现在很多建站平台都接入了微信公众号的推送接口，比如公众号采集宝。百万微信群，千万微信粉，甚至连广告都能爬。