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:2016-05-24 15:21:55
    Pygments - A generic syntax highlighter suitable for use in code hosting, forums, wikis or other applications that need to prettify source code.   >>> http://t.cn/amUp8L ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-05-11 12:22:33
    如果用Python的json模块解析“懒JSON”?先看一个“懒JSON”的例子: {name:"真善道牌蜂铬苦瓜软胶囊",company:"国食健字G20110688",Id:"11174"},需要先将其转为标准的JSON然后才能正确解析。对,就是借助强大的正则表达式 >>> http://t.cn/RqB4YsY ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-05-09 11:20:27
    Android安装Fiddler证书抓取App的HTTPS流量 >>> http://t.cn/RqmQ9iw ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-05-04 15:03:47
    Conversion of strings like \\uXXXX in python: >>> print u'\\u0e4f\\u032f\\u0361\\u0e4f'.decode('unicode-escape') >>> http://t.cn/RqQ8mp1 ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-04-27 09:01:20
    百度糯米(nuomi.com)美食、休闲娱乐、生活服务、酒店、本地生活、丽人全国商户数据117万条(2016年3月更新)  >>> http://t.cn/RqWKb1b ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-04-27 09:01:02
    美团网(meituan.com)美食、休闲娱乐、生活服务、旅游、摄影写真、丽人、亲子全国商户数据171万(2016年3月更新) >>> http://t.cn/RqWKbhp ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-04-21 10:59:14
    为什么中linux中各种服务都带一个d呢?例如:mysqld,httpd,ftpd。 d是daemon的缩写,说明它自己是个守护进程(daemon) ,它在后台运行,一般都是用来做服务端程序。
    mysqld代表是mysql数据库服务的守护进程。 ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-04-21 10:55:04
    绕过百度地图API的调用次数限制({"status":302,"message":"天配额超限,限制访问"})的方法 >>> http://t.cn/RqCz0iu ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-04-19 08:44:11
    中国土地市场网“土地供应-结果公告”1998年1月-2016年3月数据约170万条 >>> http://t.cn/RqKbx4K ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-04-18 15:46:47
    Visual Studio Code + Python插件 很赞,代码文件路径不要含有中文,否则编译启动不了,提示找不到文件之类怪异错误。 >>>  http://t.cn/Rqo0VSp ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-04-18 10:47:34
    基于Flex AMF(消息格式)技术网站的抓取(采集)方法介绍(中国农产品批发市场信息公示系统抓取方法) >>> http://t.cn/Rqo4n0B ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-04-18 09:05:32
    Navicat for MySQL的数据库连接参数在哪儿存储着? Windows版在注册表HKEY_CURRENT_USER/Software/PremiumSoft/Navicat位置。 >>> http://t.cn/RqoA9BB ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-04-09 20:55:19
    Using hash() to determine the sqlite index (pdict.py in webscraping library) is not a good idea. Because hash() usually gets different results even for a same string on Linux and Windows. ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-04-08 12:50:31
    How to change one(more) MongoDB field(s) from int into string? >>> http://t.cn/zTqDltw ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-03-24 13:21:38
    [携程网]全国所有城市酒店数据(含经纬度及各房型价格,27w条),携程官网宣称他们的入驻酒店数超过25万,看来不是骗人的。 >>> http://t.cn/RqvNoLL ​​​​

    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。