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 > 技术文章 >
大众点评网2015年01月份数据已更新(1291万条)
发布时间:2015-02-28 来源:未知 浏览:

数据说明:

大众点评全网数据(所有城市,所有分类,不含境外城市),本次共采集商户数据超过1291万条(12,914,041条)。
有图有真相:
大众点评网2015年01月份数据统计
大众点评全国数据预览

更新说明:
■  增加“外卖” take-away字段。
■  增加“最新评论日期” latest_comment_date字段。
■  移除“餐厅氛围” atmosphere字段,大众点评已去掉该信息。
■  移除“付款方式” payment字段,大众点评已去掉该信息。
■  “是否连锁店” is_chains值修改为true/false(原来为1/0)。
■  “是否通过认证” verified值修改为true/false(原来为1/0)。

详细字段说明:
“shop_id”(商户ID,唯一、固定不变),“verified”(是否加V),”is_closed”(是否停业),”name”(商户名称),”alias”(别名),”province”(省),”city”(市),”city_pinyin”(市拼音),”city_id”,”area”(区),”big_cate”(一级分类),”big_cate_id”,”small_cate”(二级分类),”small_cate_id”,”address”(地址),”business_area”(商圈),”phone”(电话),”hours”(营业时间),”avg_price”(均价),”stars”(星级),”photos”(图片),”description”(描述),”tags”(标签),”map_type”,”original_latitude”(原始维度),”original_longitude”(原始经度),”google_longitude”(谷歌/火星经度),”google_latitude”(谷歌/火星经度),”navigation”(导航),”traffic”(交通),”characteristics”(特色),”product_rating”(口味/产品评分),”environment_rating”(环境评分),”service_rating”(服务评分),”all_remarks”(总点评数),”very_good_remarks”(5星数),”good_remarks”(4星数),”common_remarks”(3星数),”bad_remarks”(2星数),”very_bad_remarks”(1星数),”recommended_dishes”(推荐菜),”nearby_shops”(周边商户),”is_chains”(是否是连锁店),”take-away”(是否外卖),”group”(团购信息),”card”(会员卡),”latest_comment_date”(最新评论日期)

在线示例数据:
点击查看在线示例数据

数据格式:
CSV(最通用的数据交换格式)或MySQL。

字符编码:
UTF-8。

特别说明:该文章为鲲鹏数据原创文章 ,您除了可以发表评论外,还可以转载到别的网站,但是请保留源地址,谢谢!!(尊重他人劳动,我们共同努力)
☹ Disqus被Qiang了,之前的评论内容都没了。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/
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。