更多>>关于我们

西安鲲之鹏网络信息技术有限公司从2010年开始专注于Web(网站)数据抓取领域。致力于为广大中国客户提供准确、快捷的数据采集相关服务。我们采用分布式系统架构,日采集网页数千万。我们拥有海量稳定高匿HTTP代理IP地址池,可以有效绕过各种反采集策略。

您只需告诉我们您想抓取的网站是什么,您感兴趣的字段有哪些,你需要的数据是哪种格式,我们将为您做所有的工作,最后把数据(或程序)交付给你。

数据的格式可以是CSV、JSON、XML、ACCESS、SQLITE、MSSQL、MYSQL等等。

更多>>官方微博

当前位置: 首页 > 技术文章 >
腾讯宜出行数据无人值守抓取
发布时间:2018-03-06 来源:未知 浏览:

腾讯宜出行的热力图数据抓取有以下几个难点:

1)需要登录抓取。

2)会话时效性短,Cookie中有JS动态产生的验证参数。

3)一个账号每天只能发送Ajax请求120次左右,超过就会提示“访问过于频繁,请明天再来”。

4)返回的Ajax数据经纬度数据有加密,Count值也被做了手脚。

综合上述难点,鲲之鹏的技术人员最终采用Selenium + Firefox的方式实现了无人值守模式抓取:

1)支持账号列表,能够自动登录账号;

2)在账号被封时(一个账号一天只能访问120次左右)能够自动切换新的(下一个)账号;

3)自动解密经纬度数据并转化为WGS84坐标,自动还原Count值。

点击查看演示视频:https://showmore.com/zh/u/ktchgyu

下面是一张视频截图:

腾讯宜出行数据无人值守抓取演示视频截图

特别说明:该文章为鲲鹏数据原创文章 ,您除了可以发表评论外,还可以转载到别的网站,但是请保留源地址,谢谢!!(尊重他人劳动,我们共同努力)
☹ Disqus被Qiang了,之前的评论内容都没了。现在改用国产的友言。如果您有爬虫相关技术方面的问题,欢迎发到我们的问答平台:http://spider.site-digger.com/
QQ在线客服
欢迎咨询,点击这里给我发送消息。
欢迎咨询,点击这里给我发送消息。