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

西安鲲之鹏
陕西 西安

加关注

  • 【经验分享】代理服务器出现大量TIME_WAIT怎么破?爬虫客户端用什么库更高效?在本文我们将通过实验给你解答 “与TIME_WAIT相关的一些实验” >>>  http://www.site-digger.com/html/articles/20181109/683.html ​​​​
    发布时间:2018-11-09 16:58:07
  • 【备忘】mitmproxy v0.18.2版本Python script示例  
    归纳了一下公司近期常用的mitmproxy Python script编写示例,通过本示例你将学会在mitmproxy中如何通过外挂Python脚本修改请求和应答数据, >>> http://www.site-digger.com/html/articles/20181109/682.html ​​​​
    发布时间:2018-11-09 16:56:27
  • 【经验分享】自己gcc编译出来的squid可执行程序体积比官方rpm包里的体积大9倍(官方的6MB,自己编译出来的59MB)!使用strip --strip-unneeded file-path 处理之后,体积也变成6MB了!(running strip is a good way to get the size down after you have a binary and the binary is in ELF format. strip just removes debug and unreferenced symbols after the binary has been created.) >>> 参考:http://www.cplusplus.com/forum/unices/123451/
    发布时间:2018-11-07 14:02:55
  • 【干货干货】整整花了2天时间搞的。 iptables DNAT Web流量截取实验 >>> http://www.site-digger.com/html/articles/20181105/681.html ​​​​
    发布时间:2018-11-05 13:09:48
  • 【经验分享-纯干货】SNI导致Python 2.7建立TLS连接出现104错误问题的解决 >>> http://www.site-digger.com/html/articles/20181026/680.html ​​​​
    发布时间:2018-10-26 18:05:14
  • 【经验分享】使用openssl模拟与HTTPS网站的交互 >>> http://www.site-digger.com/html/articles/20181026/679.html ​​​​
    发布时间:2018-10-26 18:01:45
  • 美团外卖北京/上海/广州/杭州/成都五城市商户数据2018年10月份采集更新

    详细字段说明:
    “province” – 省份
    “city” – 城市
    “shop_name” – 店铺名称
    “address” – 店铺地址
    “category” – 大分类
    “third_category” – 小分类
    “phones” – 电话号码
    “score” – 店铺评分
    “min_price” – 起送价
    “month_sales” – 月售
    “shipping_fee” – 配送费
    “per_cost” – 人均消费
    “delivery_time” – 配送时间
    “delivery_tip” – 配送服务信息
    “pic_url” – 店铺图片
    “qualification” – 营业执照
    “shiping_time” – 营业时间
    “lat” – 纬度
    “lng” – 经度
    “comment_num” – 评论数

    >>> http://www.data-shop.net/2018/10/%E7%BE%8E%E5%9B%A2%E5%A4%96%E5%8D%96%E5%8C%97%E4%BA%AC%E4%B8%8A%E6%B5%B7%E5%B9%BF%E5%B7%9E%E6%9D%AD%E5%B7%9E%E6%88%90%E9%83%BD%E4%BA%94%E5%9F%8E%E5%B8%82%E5%95%86%E6%88%B7%E6%95%B0%E6%8D%AE2018/
    发布时间:2018-10-25 17:47:47
  • Selenium+Chrome淘宝正常登录方案演示:
    1. 不做特殊处理情况下,Selenium无法正常登录淘宝,会出验无法完成的验证码;
    2. 经过特殊处理后,成功突破淘宝对Selenium的检测,完美登录成功(连验证码都不会出现)。
    点击链接查看演示视频: >>> http://t.cn/EzdwqSY ​​​​
    发布时间:2018-10-22 16:55:09
  • 【经验分享】如何根据淘宝/天猫的分类ID(categoryId值)获取对应的分类名称?

    (1) 如图1所示,先从商品源码获取"categoryId"参数值,例如1512;
    (2)如图2所示,查表可知对应分类名称为"手机";

    点击这里购买该分类映射表(2018年10月份采集更新):
    http://t.cn/EzwnBs1 ​​​​
    发布时间:2018-10-17 11:46:05
  • FontEditor Online 赞! >>> http://t.cn/RKDTzTV ​​​​
    发布时间:2018-10-11 14:14:20
当前位置: 首页 > 公司微博 >
  • 西安鲲之鹏

    发布时间:2016-10-13 09:47:33
    谷歌的DNS-over-HTTPS(Public DNS)服务介绍 >>> http://t.cn/RVqHOgK
    顺便赞一下JSONovich这个插件! ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-10-13 09:29:10
    Run a shell script as another user that has no password(如何用其它用户身份运行一个程序):
    sudo -H -u otheruser bash -c 'echo "I am $USER, with uid $UID"'
    >>> http://t.cn/RVtXWrY ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-10-12 15:23:41
    用Python脚本打造Squid权限认证后端程序以及Squid3.5 auth_param key_extras新特性介绍 >>> http://t.cn/RV5zS9q ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-10-11 16:45:53
    经过DoSWF加密过的SWF文件无法直接反编译(看不到核心代码)突破方法:利用FFDec(JPEXS Free Flash Decompiler)的“搜索内存中的SWF”功能,载入“真实的SWF”就可以绕过加密成功反编译! ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-09-30 11:40:33
    360前端库(fonts.useso.com)罢工,导致数据超市(http://t.cn/Rzc0P1q使用Wordpress系统)页面加载缓慢。
    1)搜索所有使用fonts.useso.com的文件:find ./ -type f -name "*.php" | xargs grep "fonts.useso.com"。
    2)替换fonts.useso.com为fonts.googleapis.com。
    问题解决。 ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-09-27 15:04:22
    关键词列表中的注释行判断失效了line.startswith('#'),导致采集到一些无效的淘宝数据。
    经查又是UTF-8 BOM惹的货! ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-09-26 08:47:18
    国内知名本地生活信息平台2600万商户数据(201609更新,含经纬度、评分、均价等所有价值信息) >>> http://t.cn/RcE8zyf ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-09-24 17:28:16
    欣欣同业助手App加密算法分析与破解 >>> http://t.cn/RcQGThR ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-09-22 12:16:47
    pyDes实现的DES加解密测试 >>> http://t.cn/RclF6vI http://t.cn/arirH5
    PS:pyDes还支持3DES,这个时候KEY需要使用24字节的。 ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-09-20 10:38:33
    【终于搞定了同业助手App的加密算法】这个App防护的非常好:DES加密 + MD5签名!!! ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-09-18 14:19:14
    最新预定抢购苹果很火,那么各位施主你们知道如何测试代理IP是否被苹果给封了吗?
    且听我说:用代理访问网址:http://t.cn/R7Z1Grj。如果返回正常页面那么这个代理就是OK的(没有被封),如果跳转到了一个不存在的页面(http://t.cn/Rc9WXLa),那么说明这个代理已经被封了[悲伤]。下图是用curl做的实验(图1是正常的[微笑],图2的代理被封了[悲伤])。

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-09-18 13:02:28
    【小试mitmproxy】按照官方说明安装mitmproxy(http://t.cn/Rc9KrEN),结果还少了一堆Python依赖库,费了不少时间终于搞定了。
    PS1:mitmproxy是一款命令行下的HTTP抓包分析工具,工作原理和Fiddler2类似。
    PS2:现在扫代理IP的人真是多啊!!!刚启动没多久就被人扫描到了(被拿来注册QQ号用)[黑线]

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-09-10 11:13:09
    【经验分享】 如何从详情页获取淘宝/天猫商品的分类? >>> http://t.cn/RccqQZz ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-09-08 11:27:36
    去哪儿网国内机票页面啥时间改版的?[泪][泪][泪]又得改模块...[泪] ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-09-05 16:13:28
    Windows上使用rdp协议连接Ubuntu的远程桌面:
    sudo apt-get install xrdp
    sudo apt-get install vnc4server
    sudo apt-get install xubuntu-desktop
    echo "xfce4-session" > ~/.xsession
    sudo service xrdp restart
    然后Windows上用mstsc连接即可。
    xrdp: An open source remote desktop protocol(rdp) server. >>> http://t.cn/Rcy02TQ

    阅读全文 +

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。