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>>技术文章
京东商城图片价格转文本方案
发布时间:2012-03-07
京东商城的商品价格是以图片的形式显示的(如下图),如何抓取到文本的价格信息呢?
鲲鹏数据的技术人员给出了两种解决方案:
1)从“推荐分享”的JS代码中抓取。
例如该商品http://www.360buy.com/product/584969.html,在JS代码中可以看到价格信息,如下图所示:
美中不足的是,并不是所有商品都有“推荐分享”代码。因此这个方案不是完全之策。
2)京东的价格图片格式比较规范,字符间有明显的间距,同一字符的表现形式是一致的。因此采用特征库匹配的方法可以得到比较好的效果。
如下图所示,是我们建立的特征库:
测试效果如下:
如果你有类似的采集需求或需要该识别方案,可以和我们的客服取得联系。
特别说明:本文旨在技术交流,请勿将涉及的技术用于非法用途,否则一切后果自负。如果您觉得我们侵犯了您的合法权益,请联系我们予以处理。
☹ Disqus被Qiang了,之前所有的评论内容都看不到了。如果您有爬虫相关技术方面的问题,欢迎发到我们的问答平台:http://spider.site-digger.com/