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】关于彻底关闭Nox模拟器虚拟机
    背景: 命令行关闭Nox虚拟机可以使用"NoxConsole.exe quit <-name:nox_name | -index:nox_index>", 但是有时候会失败。
    这里采用一种保险的思路,先调用"NoxConsole.exe quit"进行安全关闭,若干秒后检测虚拟机对应虚拟机的Nox.exe进程(考虑到多开的情况,根据"-clone:"参数判断是否属于当前虚拟机实例)和NoxVMHandle.exe进程(考虑到多开的情况,根据"--comment"参数判断是否属于当前虚拟机实例)是否还存在,如果存在就强制终止这两个进程,达到彻底关闭的目的。

    完整实现如下图所示。
    发布时间:2021-11-02 10:16:20
  • 【经验分享】如何计算阿里系Ajax请求中的sign签名?
    有过阿里系采集经验的开发者都应该知道,淘宝(天猫)H5版、1688、淘宝司法拍卖H5版等阿里系网站,在Ajax请求中都会有一个sign签名参数(如下图1、2、3所示),要是值不正确将无法获取到有效的数据(例如返回“非法请求”提示)。如果我们无法构造出有效的sign,就只能通过“模拟浏览器操作”的方式来绕过签名验证,再结合"mitmproxy动态抓包脚本"来提取返回数据,这种方案效率太低,而且很不灵活。本文将介绍如何计算这个sign值以及给出对应的Python实现,这样就能实现通过直接HTTP交互抓取数据。点击链接查看详情>>> http://www.site-digger.com/html/articles/20211018/851.html
    发布时间:2021-10-18 14:59:23
  • 【经验分享】mysqldump时的两点技巧
    (1)如何避免锁表?
    加上--single-transaction=TRUE参数即可。
    来源:https://stackoverflow.com/questions/104612/run-mysqldump-without-locking-tables
    (2)如何排除某张表?例如 避免导出尺寸太大的日志表。
    使用--ignore-table=dbname.tablename指定即可,如果要排除多个,加上多个--ignore-table=dbname.tablename参数。
    来源:https://www.cnblogs.com/rxbook/p/7735485.html
    发布时间:2021-10-09 11:40:29
  • 【经验分析】urllib2使用"User-Agent"设置UA会无效原因的分析

    (1)如下代码,尝试使用"User-Agent"设置UA为"test",会失败:
    服务端接收到的UA信息为"Python-urllib/2.7",而不是"test"。
    urllib2.build_opener().open(urllib2.Request(url='http://192.168.1.200:1234', data=None, headers={'User-Agent': 'test'}))
    (2)将headers修改为{'User-agent': 'test'},成功。
    如附图1所示。原因是什么呢?

    可以在urllib2.py中找到答案:
    (1)首先urllib2默认会在headers列表中添加一个“User-agent”,其值为"Python-urllib/%s" % __version__,如附图2所示。
    (2)在do_open()中对headers进行了规范化处理(.title()),代码如下。
    headers = dict((name.title(), val) for name, val in headers.items())
    如图3所示,我们在该句前后分别打印headers,处理之前为:
    {'Host': '192.168.1.200:1234', 'User-Agent': 'test', 'Connection': 'close', 'User-agent': 'Python-urllib/2.7'},里面有我们设置的'User-Agent': 'test'
    处理之后就变成下面了:
    {'Host': '192.168.1.200:1234', 'Connection': 'close', 'User-Agent': 'Python-urllib/2.7'}
    原因是后面的'User-agent'经过.title()后也会变'User-Agent',在字典中覆盖掉了我们自定义的值。

    以后使用urllib2要设置UA时,一定要用“User-agent”,而不能用“User-Agent”!
    发布时间:2021-08-15 13:48:07
  • 【经验分享】在分析别人代码的时候,通过打印调用栈可以帮助我们快速掌握调用函数的上下文调用逻辑。Python中如何打印调用栈呢?如下。
    import traceback
    traceback.print_stack()
    参考>>> https://stackoverflow.com/questions/1156023/print-current-call-stack-from-a-method-in-python-code
    例如,我们想知道httplib.py中_send_request()函数的调用上下文,在_send_request()中加入上述代码,当代码执行的时候就会在控制台打印出调用栈信息,如附图所示。
    发布时间:2021-08-15 13:17:33
  • 【经验分享】如何给python函数增加一个timeout功能?
    想要实现的效果:
    在调用一个函数(不固定)的时候如果在指定的N秒内没有返回,就强制停止。

    在github上找到了一些方案例如func_timeout,timeout_decorator。经过测试对比,func_timeout比较理想,项目主页:github.com/kata198/func_timeout,“Python module to support running any existing function with a given timeout.”。它提供了一个装饰器func_set_timeout,非常方便。

    timeout_decorator原理:
    它是利用子线程StoppableThread来执行目标函数,当指定时间到达,子线程还未结束,就强制结束子线程,然后抛出FunctionTimedOut异常,详见github.com/kata198/func_timeout/blob/master/func_timeout/dafunc.py。
    发布时间:2021-06-24 14:11:26
  • 【演示】得物APP商品"最近购买列表"采集演示
    (1)根据商品的spuid从APP端采集。
    (2)得物的“最近购买”列表展示了最近3个月的销售记录,可以借以分析商品的价格和销量波动情况。包括字段“昵称、日期、规格、价格”,采集好的示例数据见:http://db.site-digger.com/csv/646577755f6170705f70726f647563745f6c6173745f736f6c645f6c6973745f73616d706c65/ 点击查看西安鲲之鹏的微博视频 ​​​
    发布时间:2021-06-24 13:17:22
  • 【演示】某小红书APP笔记详情及评论数据采集最新(20210618)演示
    近日某小红书的网页版不再展示笔记的“点赞数、评论数、收藏数和分享数”了,为了能拿到这些信息只能从APP端入手。本采集方案可以拿到笔记的所有属性值以及前10条评论数据。

    (1)笔记详情包含的字段
    'note_id'(笔记ID), 'note_type'(笔记类型,是普通的还是视频), 'user_red_id'(用户ID), 'user_name'(用户名), 'liked_count'(点赞数), 'shared_count'(分享数), 'collected_count'(收藏数), 'comments_count'(评论数), 'pubtime'(笔记发布时间), 'hash_tags'(标签), 'images_list'(原图列表), 'video'(视频链接,如果是视频笔记), 'desc'(笔记内容)
    示例数据链接:点击查看"小红书笔记示例数据"

    (2)笔记评论包含的字段
    'comment_id'(评论), 'note_id'(关联的笔记ID), 'user_name'(用户名), 'pubtime'(评论发布时间), 'like_count'(评论点赞数), 'score'(评分), 'content'(评论内容), 'sub_comment_count'(评论回复数), 'sub_comments'(评论回复内容)
    示例数据链接:点击查看小红书评论示例数据

    某小红书APP笔记详情及评论数据采集最新(20210618)演示

    发布时间:2021-06-18 14:30:34
  • 【经验分享】某特来电APP采集方案
    我们分析的是V5.11.0版本,加了360的壳,用了ssl证书固定。
    (1)经过ssl unpinning之后,Fiddler成功抓到包,如图1-3所示,分别对应“充电站搜索返回的列表”,“充电站详情”和“充电站的终端列表”。可以看到请求头中有很多陌生的参数,例如AVER,它是怎么构造出来的?
    (2)脱壳,反编译找到了实现过程代码,如图4所示。可以看出AVER是通过对时间戳参数ATS,经过"DES/CBC/PKCS7Padding"加密而成。其它参数在代码中也都能找到实现过程。其中"X-Token"的产生过程比较复杂,后面再分享产生过程。
    发布时间:2021-06-08 12:10:34
  • 【经验分享】com.google.gson.Gson的toJson()方法在插桩分析的时候太有用了,赞赞赞。
    function toJson(javaObject) {
        return Java.use("com.google.gson.Gson").$new().toJson(javaObject);
    };
    通过toJson(javaObject)可以将Java对象(数据结构)转换成JSON格式,非常方便。想想之前都是通过字符串拼接各个字段(熟悉)值,太费劲儿了。

    关于com.google.gson.Gson的toJson()的更多示例可以看这篇文章:https://www.cnblogs.com/reboost/p/9521603.html
    发布时间:2021-06-04 10:57:34
当前位置: 首页 > 公司微博 >
  • 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 + 去微博评论 +

  • 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 + 去微博评论 +

  • 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 + 去微博评论 +

  • 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 + 去微博评论 +

  • 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 + 去微博评论 +

  • 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 + 去微博评论 +

  • 西安鲲之鹏

    发布时间:2016-09-05 14:50:45
    NppFTP使用SFTP连接Ubuntu 16.04错误提示“[SFTP] Connection failed : kex error : did not find one of algos ”。解决方法:升级NppFTP到最新版本即可(解压覆盖NppFTP.dll文件即可,我使用的是0.26.3)>>> http://t.cn/RcyXShb ​​​​

    阅读全文 + 去微博评论 +

  • 西安鲲之鹏

    发布时间:2016-09-03 09:38:59
    Chrome webdirver自定义用户配置文件时(--user-data-dir)参数不能加引号,否则会出错:“cannot create default profile directory”。一个正确的示例:options.add_argument('--user-data-dir=C:/Temp/ChromeProfile')。窗口启动后可以查看“chrome://version”是否生效。 >>> Stackoverflow上有个类似的问题 http://t.cn/RcAJsmt

    阅读全文 + 去微博评论 +

  • 西安鲲之鹏

    发布时间:2016-08-31 20:06:15
    淘宝分类知多少?鲲之鹏今日统计结果12919个。 >>> http://t.cn/Rc7VoeO 你想知道怎么获取商品源码中"categoryId"对应的分类名称吗 >>> http://t.cn/Rc7Voe0? ​​​​

    阅读全文 + 去微博评论 +

  • 西安鲲之鹏

    发布时间:2016-08-26 16:52:19
    rp-pppoe-3.12中的pppoe-status有Bug,经常出现拨号获取到IP了(查看syslog可知),但pppoe-status判断拨号失败了(“Link is attached to ppp20, but ppp20 is down”)。我们写了一个Python版本的pppoe-status.py,它结合pppoe-status(原始的)和“ifconfig  iface”的结果判断拨号是否成功了。源码在这里 >>> http://t.cn/RtDZRb9。 PS:还需要修改/usr/sbin/pppoe-start将“${exec_prefix}/sbin/pppoe-status $CONFIG > /dev/null 2>&1”修改为“/usr/bin/python /home/qi/pppoe-status.py $CONFIG > /dev/null 2>&1”(根据实际路径修改)

    阅读全文 + 去微博评论 +

  • 西安鲲之鹏

    发布时间:2016-08-26 14:09:18
    Notepad++  & NppFTP 插件实现Remote Edit,一个字“cool”! ​​​​

    阅读全文 + 去微博评论 +

  • 西安鲲之鹏

    发布时间:2016-08-26 12:57:50
    "Warning: Incorrect string value: '\xF0\x9F\x98\x83 @...' for column"导致字符串被截断问题的解决:将字段的编码从utf8修改为utf8mb4,程序连接MySQL的时候也要修改charset为utf8mb4。>>>  http://t.cn/8sI0SNw ​​​​

    阅读全文 + 去微博评论 +

  • 西安鲲之鹏

    发布时间:2016-08-26 09:09:46
    MySQL的“Text”类型允许的最大字节数:
    TINYTEXT: 256 bytes、
    TEXT: 65,535 bytes(很多时候不够用)、
    MEDIUMTEXT: 16,777,215 bytes、
    LONGTEXT: 4,294,967,295 bytes。超过限制就会提示“Data truncation”警告或者报错“Data too long”。 ​​​​

    阅读全文 + 去微博评论 +

  • 西安鲲之鹏

    发布时间:2016-08-24 14:21:26
    Hyper-V下创建的macvlan(伪造MAC拨号用)无法工作,勾选上"启用MAC地址的欺骗"(如下图)后,工作了! ​​​​

    阅读全文 + 去微博评论 +

  • 西安鲲之鹏

    发布时间:2016-08-24 12:54:55
    Ubuntu下pppoe-connect(start)提示“execvp: No such file or directory”,经查是pppd不存在,安装后问题解决:sudo apt-get install ppp ​​​​

    阅读全文 + 去微博评论 +

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