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:2016-08-08 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 +

  • 西安鲲之鹏

    发布时间:2016-07-24 09:57:51
    SSDB做缓存竟然比多SQLite缓存还要慢!看来又得探索新的缓存方案了。
    PS:禁掉缓存机制后爬虫集群采集速度提高了6倍!!! ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-07-15 09:50:38
    期待Tinyproxy能增加一个“ BindRandom”特性 >>> http://t.cn/RtvxCDy ​​​​

    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。