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

  • Selenium disable Image loading in different browsers >>> http://tarunlalwani.com/post/selenium-disable-image-loading-different-browsers/ ​​​​
    发布时间:2018-07-11 18:21:10
  • chromedriver 镜像 - ChromeDriver Mirror >>> http://npm.taobao.org/mirrors/chromedriver/ ​​​​
    发布时间:2018-07-11 18:20:49
  • "全国POI信息数据库" 上线:涵盖美食、休闲娱乐、酒店、丽人等15大分类,覆盖全国350多个城市,数据量超过4700万条 >>> 点击前往:http://www.poilist.cn/ ​​​​
    发布时间:2018-07-11 15:28:47
  • 【最新发布】国内知名本地生活信息平台4794万商户POI数据2018年06月份更新 >>> http://www.site-digger.com/html/articles/20180702/647.html ​​​​
    发布时间:2018-07-02 11:25:13
  • 【CSV转Excel(XLSX格式)脚本分享】
    背景:大多数情况下CSV转Excel可以使用Openoffice或者Excel实现,但是偶尔也会遇到一些BT的情况,比如转换后Excel打开显示文件异常的(如图2所示)。于是乎利用xlsxwriter这个库写了个小脚本,用法如下:
    python csv2xlsx.py path-of-csv-file  file-encoding(default is utf-8)
    运行效果如图1所示。csv2xlsx.py源码链接分享 >>>https://bitbucket.org/snippets/qi/Xerx67
    发布时间:2018-06-21 18:57:26
  • 全国各类POI(美食、休闲娱乐、丽人、酒店、生活服务等等)用户评论数据7.09亿条,更新至2018年6月15日。点击查看示例数据 >>> http://t.cn/Rrv3RpO ​​​​
    发布时间:2018-06-21 10:21:20
  • 【经验分享】如何让Squid Web隧道支持SSH协议?
    默认Web隧道下连接22端口是不被允许的,会返回403错误。
    编辑/etc/squid3/squid.conf,加入如下配置行
    acl SSL_ports port 22
    acl Safe_ports port 22
    然后重启Squid即可。 ​​​​
    发布时间:2018-05-16 11:41:42
  • 当当网有多少图书,你知道吗?>>> http://t.cn/R3h6hiH ​​​​
    发布时间:2018-05-08 13:53:19
  • 【经验分享】Ubuntu下如何识别无线网卡?
    以普联的TL-WDN6200为例,使用的是rtl8812au(https://github.com/else05/rtl8812au这个驱动):
    wget http://t.cn/RuR1DrP
    unzip master.zip
    cd rtl8812au-master
    make
    sudo install
    然后重启系统,运气好的话你就能看到Wifi图标和热点列表了,如下图所示(Ubuntu14.04下亲测)。
    发布时间:2018-05-03 19:10:52
  • 【经验分享】DeleGate跑了3天日志吃了18G硬盘,如何关掉日志呢?
    查文档(ftp://www.delegate.org/pub/DeleGate/Manual.htm#LOGDIR),找到了方法,加上参数LOGFILE=""即可,原文:
    You can stop logging by specifying null file name like LOGFILE="" or PROTOLOG="". ​​​​
    发布时间:2018-04-28 18:08:15
当前位置: 首页 > 公司微博 >
  • 西安鲲之鹏

    发布时间:2016-08-18 10:32:07
    【“美味不用等App”采集分析】HTTP请求加入了签名机制(sign参数),但是存在Bug:sign的值仅与time和nonce两个常量参数(可以一直保持不变)有关,改变核心参数例如page,cityid,shopid请求依然合法。可以正常采集。 ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-08-15 17:04:56
    查看系统剩余Inode数: df -i
    PS:顺便测试下LICEcap录GIF动画的效果。 ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-08-08 19:05:23
    在 Debian、Ubuntu 或 Linux Mint 系统中安装 7zip >>> http://t.cn/RtChuyx ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-08-04 08:48:55
    更改当前用户的Shell。e.g. 修改为zsh:  chsh -s /bin/zsh 根据提示输入密码即可。More details > http://t.cn/Rt6kAZY ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-08-03 15:07:41
    快递100APP返回一个坐标周边快递员信息(含手机号)接口分析测试截图。 ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-08-03 11:35:32
    "Selenium + Chrome Diver"使用带用户名密码认证(HTTP Basic Authentication)的代理方法 >>> http://t.cn/RtigU0J ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-08-02 16:56:47
    文档增加Scrapy, Selenium + Chrome/Firefox使用代理示例代码 >>> http://t.cn/RUWE7Dq ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-07-31 11:54:59
    耗了2天时间才发现是webscraping库的一个bug造成的,具体Bug我已经提交到这里了 >>> http://t.cn/RtIo59L 专治疑难杂![嘻嘻] ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-07-29 15:18:58
    【折腾几个小时的结果】py2exe打包"selenium + Firefox"应用,运行出现找不到"webdriver.xpi"或"webdriver_prefs.json"问题的原因及解决。
    原因:C:\Python27\Lib\site-packages\selenium\webdriver\firefox\firefox_profile.py中os.path.dirname(__file__)获取到的路径是在exe文件(假设为test.exe)的下级目录,例如 "dist\\test.exe\\selenium\\webdriver\\firefox\\",这当然不存在。
    解决:
    1)复制webdriver.xpi和webdriver_prefs.json到test.exe目录下;
    2)编辑firefox_profile.py文件,修改两处"os.path.join(os.path.dirname(file)," 为 "os.path.join(os.path.dirname(file), '..\..\..\..\'";
    3)重新打包,问题解决。

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-07-27 17:29:08
    Selenium + Firefor如何最小化窗口运行? Google不到好的方案,都说不容易直接实现,但是看到一个曲线救国的思路:将窗口位置移动到桌面之外 e.g. driver.set_window_position(-2000, 0)。试了一下效果不错。 ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-07-27 14:54:11
    curl使用socks5代理: curl --socks5 172.106.96.76:7788 http://t.cn/RAlE36B ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-07-27 12:11:26
    Selenium + Firefox 使用Socks5代理 >>> http://t.cn/Rtq33wL
    e.g. network.proxy.socks;10.10.10.1
    network.proxy.socks_port;8999
    network.proxy.socks_remote_dns;true
    network.proxy.socks_version;5 ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-07-26 11:16:49
    网线也有坑:两块千兆网卡接到一个千兆交换机下,一个Speed为100M,另外一个Speed为1000M。原来是网线的问题:超5类线及以上才能支持千兆。 ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-07-26 10:13:19
    Instagram的动态翻页(e.g. http://t.cn/Rtbd09M)最多可以加载多少条数据?经过鲲之鹏技术人员实测,最多可以加载到前~1780条数据。PS:改变每页条数后能看到的页数就减少了,总共可见的数据条数没有增加。 ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-07-25 17:38:54
    Chrome如何使用Socks5代理:SwitchySharp插件你值得拥有! >>> http://t.cn/Rtbyxhe ​​​​

    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。