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
新蛋网图片价格转文本方案
发布时间:2012-03-07
新蛋网的价格信息是以图片的形式显示的(如下图所示),给采集造成了障碍。
鲲鹏数据的技术人员经过分析发现,新蛋网的价格图片格式都很规范:字符间距明显,同一字符的表现形式都是一致的。这样就可以采用特征库匹配的方法得到很好的识别效果。
如下图所示,是对新蛋网图片价格制做的特征库:
利用该特征库进行图片识别的效果如下:
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/