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:2016-12-02 11:01:58
    【EOF occurred in violation of protocol问题解决】Python2.7环境下用urllib2访问一个URL:”
    http://t.cn/aopOIt
    会抛出异常:“urllib2.URLError: <urlopen error [Errno 8] _ssl.c:510: EOF occurred in violation of protocol>”(如下附图)
    原因:“http://t.cn/a81ks4”这个网站使用了TLS 1.0(如下附图),而Python 2.6, 2.7的urllib2默认不支持TLS1.0。
    解决方法:在urllib2建立SSL连接时强制使用PROTOCOL_TLSv1,示例代码 >>> http://t.cn/RfmxGUS

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-11-18 21:08:51
    【tor测试】(1)速度还可以,在可接受范围内。
    (2)“选择最快”原则导致实际能切换到的IP量很少,测了3天,最多640多个IP。 ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-11-16 10:23:29
    【如何避免使用MySQL缓存?】SELECT的时候加入SQL_NO_CACHE选项即可,例如: SELECT SQL_NO_CACHE id, name FROM customer;
    [1]The MySQL Query Cache:http://t.cn/RftBuFm
    [2]Query Cache SELECT Options: http://t.cn/RftBuFu ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-11-15 14:48:31
    【经验分享】爬虫模拟某系统Ajax请求,Accept头使用爬虫框架默认的“text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8”网站返回数据乱码(如下图示),修改为“application/json, text/javascript, */*; q=0.01”后返回数据正常(如下图示)。 ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-11-13 19:10:15
    【实测】JuiceSSH是安卓平台上远程SSH管理的一个超赞的工具!秒杀我之前试过的ConnectBot。是运维人员居家旅行不可或缺的神器!!!
    PS:本来还考虑买个Win10平板,出门的时候可以用SecureCRT管理服务器,现在完全没必要了。
    附下载地址:http://t.cn/RfbEoeK ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-11-11 08:10:51
    【数据超市】安居客(anjuke.com)全国数据(新房楼盘+二手房小区)2016年11月份数据更新 >>> http://t.cn/RfLDYzj

    二手房小区:
    “城市”,”小区名”,”本月均价”,”价格变动”,”所在版块”,”地址”,”总户数”,”建造年代”,”物业类型”,”物业费用”,”开发商”,”总建面”,”容积率”,”出租率”,”停车位”,”绿化率”,”经度”,”纬度”,”简介”,”URL”

    新房楼盘:
    “城市”,”楼盘名称”,”楼盘单价”,”特色”,”区域位置”,”楼盘地址”,”规划总数”,”工程进度”,”开盘时间”,”交房时间”,”经度”,”纬度”,”URL”

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-11-07 12:07:38
    企查查是什么时间开始限制列表页最多500也可见的?如图所示。 ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-11-03 21:15:13
    webscraping的Download类默认只支持根据代理IP进行限速,但对于有些需要登录采集的网站,它们除了根据IP限速外往往还会根据会话(Cookie)进行限速,这时使用Download类就很容易被封账号或出验证码。鉴于此,我们增加了throttle_by参数,它有如下三种取值:
    0 - 默认值,根据代理IP限速;
    1 - 根据会话(Cookie)限速;
    2 - 同时根据IP和会话(Cookie)限速;
    PS:webscraping库的原始作者是Richard Penmen,是鲲之鹏的重要合作伙伴,2010年开始鲲之鹏加入维护。

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-11-02 15:46:05
    这路由器系统是有问题了吗?
    运营商说DHCP租期是48-60小时,可它一个小时重新获取一次IP! ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-10-31 11:31:30
    一不注意将Chrome升级到了最新版本(V54),但是Webdriver不干活儿了“Runtime.executionContextCreated has invalid 'context': ...”。
    升级Chromedriver到2.25版本(Supports Chrome v53-55),问题解决。
    ChromeDriver 2.25 >>> http://t.cn/RV3EOyf ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-10-26 15:53:50
    【adb小试牛刀】第一次使用adb,做个笔记:
    1. 手机启用调试模式,USB连接PC。
    2. 执行adb devices查看已连接设备。注意手机出现的授权提示,点确定!否则设备会显示为"Unauthorized"。
    3. 执行adb shell即可进入设备的shell模式。
    4. 执行su,切换到root权限。前提是你的手机已经root过了(可以使用刷机精灵的一键root功能)。
    5. 开启App全局调试,即使ro.debuggable内存值为1。使用mprop程序实现,网上有详细的介绍。./mprop ro.debuggable 1。使用getprop  ro.debuggable判断修改是否成功。
    6. 执行stop;start重启adbd进程,更新连接信息。
    7. 退出shell。执行adb jdwp即可看到可以调试的进程ID。所有进程都变得可以调试了。也可 以使用Android Device Monitor查看对应的进程名称和ID。LogCat显示出App输出的调试日志。
    参考文章:
    [1]http://t.cn/8kihwA1
    [2]http://t.cn/RVTcBUH
    附adb和mprop百度网盘分享链接:http://t.cn/RVTcBUQ

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-10-25 09:21:38
    【技巧】如何下载到某Apk的历史版本(你懂的)?
    1)在http://t.cn/zWO96yA上搜索该APP。2)进入APK详情页,点击版本标签后面的“更多版本 »”即可看到网站收录的所有历史版本,选择需要的版本下载即可。 ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-10-24 16:21:24
    【有图有真相】一大早收到客户质疑,说是发现之前(6个月前)采集的某网站的数据有问题,和网站上的信息不一致。经过我们技术人员检查,发现是因为网站信息更新了,而不是我们采集错误了。有图为证。 ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-10-19 14:00:03
    有几万个网页需要转成Word文档,试了Pandoc HTML格式转WORD(docx),效果很赞!
    "C:\Program Files (x86)\Pandoc\pandoc.exe" -o ouput.docx input.html
    附Pandoc下载地址(pandoc-1.17.2-windows.msi):http://t.cn/RVSR7Ne(百度网盘分享) ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-10-17 14:51:31
    squid external_acl_type介绍,及后台程序编写示例 >>> http://t.cn/RViEIWl ​​​​

    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。