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
百度指数最新(2014年6月份)抓取方案
发布时间:2014-06-08
继3月份我们发布百度指数抓取方案之后,百度指数平台再次改版,新版的防采集策略更加严格:
1)数据动态加载,鼠标移动到折线图上后数据才异步加载。
2)数据以图片形式返回,并加有混淆字符。
鲲鹏数据的技术人员现已成功研究出一种新的采集方案,由于算法的精确度有限,没法保证数据和网站完全一致,但经过大量测试,确定准确率可以达到99.5%以上。
下面是我们使用Python程序进行百度指数抓取的截图。
如果您对该方案感兴趣可以联系我们的在线QQ客服。
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/