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】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(http://t.cn/RuR1Drh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
  • 【经验分享】命令下如何优雅地展示JSON数据?
    jq is a lightweight and flexible command-line JSON processor. >>> http://t.cn/Ry7MrH2
    示例:curl http://t.cn/Rui9UFI |jq '.'
    效果如附图所示。 ​​​​
    发布时间:2018-04-27 17:15:06
  • 最常见浏览器User Agent列表(Most Common User Agents)  >>> http://t.cn/R5ZC20T
    PS:隐约感觉某网站开始通过随机UA检测爬虫了。 ​​​​
    发布时间:2018-04-27 13:08:00
  • 【经验分享】在多网络接口(IP)环境下Squid,Tinyproxy和DeleGate如何指定出口(IP) >>> http://t.cn/RucmfQu ​​​​
    发布时间:2018-04-25 18:16:40
  • 【经验分享】Linux网络接口名称最大允许长度为15字符 >>> http://t.cn/RuG4k0R ​​​​
    发布时间:2018-04-24 11:05:16
  • 【经验分享】抓取Web of Science经验分享 >>> http://t.cn/RmlDirP ​​​​
    发布时间:2018-04-15 14:03:24
  • 【最新】百度指数最新采集方案演示(视频),有点如下:
    1. 受限账号仍可继续采集(不会提示访问太频繁);
    2. 一次可以获取近90天的数据(理论上还可以更多); L西安鲲之鹏的秒拍视频 ​​​​
    发布时间:2018-04-13 14:15:02
当前位置: 首页 > 公司微博 >
  • 西安鲲之鹏

    发布时间:2016-09-30 11:40:33
    360前端库(fonts.useso.com)罢工,导致数据超市(http://t.cn/Rzc0P1q使用Wordpress系统)页面加载缓慢。
    1)搜索所有使用fonts.useso.com的文件:find ./ -type f -name "*.php" | xargs grep "fonts.useso.com"。
    2)替换fonts.useso.com为fonts.googleapis.com。
    问题解决。 ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-09-27 15:04:22
    关键词列表中的注释行判断失效了line.startswith('#'),导致采集到一些无效的淘宝数据。
    经查又是UTF-8 BOM惹的货! ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-09-26 08:47:18
    国内知名本地生活信息平台2600万商户数据(201609更新,含经纬度、评分、均价等所有价值信息) >>> http://t.cn/RcE8zyf ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-09-24 17:28:16
    欣欣同业助手App加密算法分析与破解 >>> http://t.cn/RcQGThR ​​​​

    阅读全文 +

  • 西安鲲之鹏

    发布时间:2016-09-22 12:16:47
    pyDes实现的DES加解密测试 >>> http://t.cn/RclF6vI http://t.cn/arirH5
    PS:pyDes还支持3DES,这个时候KEY需要使用24字节的。 ​​​​

    阅读全文 +

  • 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 +

  • 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 +

  • 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 +

  • 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 +

  • 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 +

  • 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 +

  • 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 +

  • 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 +

  • 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 +

  • 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 +

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。