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,可以有效获取互联网任何公开可见信息。

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

西安鲲之鹏
陕西 西安

加关注

  • 【经验分享】本文介绍了一例APP使用了非常规ssl pinning导致Fidder抓包失败,最终通过Frida HOOK成功解决,附源码。 >>> http://www.site-digger.com/html/articles/20191018/751.html ​​​​
    发布时间:2019-10-18 13:23:42
  • 【经验分享】今日拨号服务器上某PPPOE拨号持续失败,经查日志:“pppoe: send (sendPacket): Network is down”,ip link 查看对应的虚拟网卡状态是DOWN,无法设置为UP(sudo ip link set dev v051802057684 up失败)。但同一个账号在另外一个机器上测试正常,怀疑可能是MAC地址的问题(例如冲突了),果断删掉虚拟网卡( sudo sudo ip link del v051802057684),然后重建并指定一个不同的MAC,拨号成功!
    发布时间:2019-09-26 10:52:18
  • 【经验分享】昨天下午办公室断了下电,服务器重启后,adb devices显示10台设备都是“?????? no permissions”,第一次遇到这种情况。重启服务器和移动设备问题依据。后来在askubuntu上看到有人提到试一下sudo adb devices,竟然立马识别了(https://askubuntu.com/questions/908306/adb-no-permissions-on-ubuntu-17-04)。很诡异,之前用普通权限都一直正常着,为什么突然就没有权限了?
    发布时间:2019-09-26 08:45:09
  • 【经验分享】Termux自带的am命令版本太低,竟然不支持force-stop(如图1示),经查得知pm clear命令也可以停止一个APP,而且还会将APP的用户数据清除掉(回到刚安装的状态),试了一下果然有效,运行之后"/data/data/包名"目录下只剩下lib目录了。注意:需要root权限。 >>> https://stackoverflow.com/questions/3117095/stopping-an-android-app-from-console ​​​​
    发布时间:2019-09-19 12:20:13
  • 【经验分享】"adb shell 命令",如何让“命令”以root权限执行?
    例如,某设备已root,但当执行adb shell rm /data/data/com.xxxx/cache时提示Permission denied。

    解决方法:
    adb shell "su -c '[your command goes here]'"
    例如:
    adb shell "su -c 'rm /data/data/com.xxxx/cache'"

    参考文章"Is there a way for me to run Adb shell as root without typing in 'su'?" >>> https://android.stackexchange.com/questions/5884/is-there-a-way-for-me-to-run-adb-shell-as-root-without-typing-in-su
    发布时间:2019-09-18 09:16:52
  • 【经验分享】关于小红书搜索结果数据抓取的限制:
    1. 小红书微信小程序版之前是前600条可见,最近已被限制为前60条可见。
    2. 小红书安卓APP版本限制为搜索结果前1000条可见。 ​​​​
    发布时间:2019-09-02 16:42:37
  • 【经验分享】通过ADB启动手机淘宝APP搜索,打开指定关键词的搜索结果列表,如下示例,打开搜索“HUAWEI”的结果:
    adb shell am start -n com.taobao.taobao/com.taobao.search.SearchListActivity -d "taobao://s.taobao.com/search?q=HUAWEI" ​​​​
    发布时间:2019-08-22 16:07:00
  • 【经验分享】手机淘宝APP商品搜索结果采集最新方案20190821(免登录)
    (1)模拟操作APP操作,无需登录,不存在封账号;
    (2)IP限制弱;
    详见下附演示视频。  L西安鲲之鹏的微博视频 ​​​​
    发布时间:2019-08-21 17:52:28
  • 【经验分享】终于搞定了支付宝口碑App数据采集,有图有真相。 ​​​​
    发布时间:2019-08-09 17:52:21
  • 【经验分享】如何采集支付宝小程序的数据?adb模拟操作 + xposed Hook "com.alipay.mobile.nebula.util.H5Utils.parseObject"
    如附图所示,成功获取服务端应答的JSON数据。 ​​​​
    发布时间:2019-08-07 16:13:23
当前位置: 首页 > 技术文章 >
手机淘宝APP关键词搜索采集方案介绍
发布时间:2019-09-16

        自2018年12月中旬之后,淘宝升级了反爬虫策略,淘宝Web版必须要登录之后才能使用搜索功能(直接搜索会被重定向到登录界面,登录之后才能看到搜索结果)。然而登录之后如果访问稍微频繁,就会出现滑块验证码(如下图所示),通过验证码之后(滑块验证码可以使用pyautogui自动处理),可以继续访问。

        但如果持续访问频繁,就会出现一种无法处理的滑块验证码(如下图所示,持续提示“哎呀,出错了,点击刷新再来一次”),拖动之后会提示“”。由于这种机制的存在,导致采集效率低,一个淘宝账号每日仅能采集到5w条左右的商品,并且稳定性较差。

        鲲之鹏的技术人员通过对比发现,手机淘宝APP版本并没有这种限制,不需要登录即可持续搜索,并且一个关键词能够看到的搜索结果条数也是4400条(和Web版一致)。但是淘宝APP同样有严密的防护策略,常规的抓包手段无法拦截到APP和服务端的交互数据,而且APK也做了防护,反编译后只能看到有限的代码。

        通过技术人员的攻关,终于实现了突破,目前已可以有效拦截到手机淘宝APP的应答数据,能够拿到搜索结果返回的完整JSON数据,从而可以提取到和淘宝Web版一样的信息(例如 item_id, title, price, location, sold, commentCount, category, isB2c等等)。

        如下所示,为截取的一个手机淘宝APP搜索返回的一个商品的JSON示例数据。

        完整的采集过程分为两步:

        (1)通过adb模拟操作手机淘宝APP执行搜索和上滑翻页操作。
        (2)拦截手机淘宝APP的应答数据,从中提取想要的信息。

        如下图所示,为采集过程的一个截图(左侧是实时抓取到的数据,右侧是安卓模拟器窗口):

       这是一个抓取过程的演示视频,点击该链接 https://v.qq.com/x/page/i0923baptoh.html 到腾讯视频观看。

       也可以点击该链接从本站直接播放:http://www.site-digger.com/uploads/videos/taobao_phone_app_keyword_searching_201908.mp4

       再附上一个完整的手机淘宝APP关键词搜索返回的JSON数据:taobao_app_searching_sample.json

       该方案有以下优点:
       (1)无需淘宝账号登录,节省淘宝账号购买开支,不担心被封号;
       (2)稳定可靠,采用淘宝手机APP数据源,不会轻易改版;
         (2) 采集速度快,实测单台设备(可以采用模拟器,也可以采用真机),日均搜索采集量约20-30万条商品;
       (3)IP限制弱;

       如果你有类似的电商类数据采集分析需求,请和我们的客服人员联系。

特别说明:本文旨在技术交流,请勿将涉及的技术用于非法用途,否则一切后果自负。如果您觉得我们侵犯了您的合法权益,请联系我们予以处理。
☹ Disqus被Qiang了,之前所有的评论内容都看不到了。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。

加微信咨询