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】本文介绍了一例APP使用了非常规ssl pinning导致Fidder抓包失败,最终通过Frida HOOK成功解决,附源码。 >>> http://www.site-digger.com/html/articles/20191018/751.html ​​​​
    发布时间:2019-10-18 13:23:42
  • 【经验分享】今日拨号服务器上某PPPOE拨号持续失败,经查日志:“pppoe: send (sendPacket): Network is down”,ip link 查看对应的虚拟网卡状态是DOWN,无法设置为UP(sudo ip link set dev v051802057684 up失败)。但同一个账号在另外一个机器上测试正常,怀疑可能是MAC地址的问题(例如冲突了),果断删掉虚拟网卡( sudo sudo ip link del v051802057684),然后重建并指定一个不同的MAC,拨号成功!
    发布时间:2019-09-26 10:52:18
  • 【经验分享】昨天下午办公室断了下电,服务器重启后,adb devices显示10台设备都是“?????? no permissions”,第一次遇到这种情况。重启服务器和移动设备问题依据。后来在askubuntu上看到有人提到试一下sudo adb devices,竟然立马识别了(https://askubuntu.com/questions/908306/adb-no-permissions-on-ubuntu-17-04)。很诡异,之前用普通权限都一直正常着,为什么突然就没有权限了?
    发布时间:2019-09-26 08:45:09
  • 【经验分享】Termux自带的am命令版本太低,竟然不支持force-stop(如图1示),经查得知pm clear命令也可以停止一个APP,而且还会将APP的用户数据清除掉(回到刚安装的状态),试了一下果然有效,运行之后"/data/data/包名"目录下只剩下lib目录了。注意:需要root权限。 >>> https://stackoverflow.com/questions/3117095/stopping-an-android-app-from-console ​​​​
    发布时间:2019-09-19 12:20:13
  • 【经验分享】"adb shell 命令",如何让“命令”以root权限执行?
    例如,某设备已root,但当执行adb shell rm /data/data/com.xxxx/cache时提示Permission denied。

    解决方法:
    adb shell "su -c '[your command goes here]'"
    例如:
    adb shell "su -c 'rm /data/data/com.xxxx/cache'"

    参考文章"Is there a way for me to run Adb shell as root without typing in 'su'?" >>> https://android.stackexchange.com/questions/5884/is-there-a-way-for-me-to-run-adb-shell-as-root-without-typing-in-su
    发布时间:2019-09-18 09:16:52
  • 【经验分享】关于小红书搜索结果数据抓取的限制:
    1. 小红书微信小程序版之前是前600条可见,最近已被限制为前60条可见。
    2. 小红书安卓APP版本限制为搜索结果前1000条可见。 ​​​​
    发布时间:2019-09-02 16:42:37
  • 【经验分享】通过ADB启动手机淘宝APP搜索,打开指定关键词的搜索结果列表,如下示例,打开搜索“HUAWEI”的结果:
    adb shell am start -n com.taobao.taobao/com.taobao.search.SearchListActivity -d "taobao://s.taobao.com/search?q=HUAWEI" ​​​​
    发布时间:2019-08-22 16:07:00
  • 【经验分享】手机淘宝APP商品搜索结果采集最新方案20190821(免登录)
    (1)模拟操作APP操作,无需登录,不存在封账号;
    (2)IP限制弱;
    详见下附演示视频。  L西安鲲之鹏的微博视频 ​​​​
    发布时间:2019-08-21 17:52:28
  • 【经验分享】终于搞定了支付宝口碑App数据采集,有图有真相。 ​​​​
    发布时间:2019-08-09 17:52:21
  • 【经验分享】如何采集支付宝小程序的数据?adb模拟操作 + xposed Hook "com.alipay.mobile.nebula.util.H5Utils.parseObject"
    如附图所示,成功获取服务端应答的JSON数据。 ​​​​
    发布时间:2019-08-07 16:13:23
当前位置: 首页 > 技术文章 >
大众点评网全国数据2015年08月份更新(1480万条)
发布时间:2015-09-07

数据说明:
大众点评全网数据(324个国内城市,所有分类),本次共采集商户数据超过1480万条(14,860,209条)。2015年8月底更新。

有图有真相:
 大众点评网2015年08月份全国数据统计数

更新说明:
■  采用新的遍历方式,总数据条数有明显增加(和5月份版本相比增加数据条数180万)。
■  增加对“锡林郭勒”和”阿拉善”两城市的采集。
■ 新增default_remarks字段,对应页面上的默认点评数。原all_remarks对应页面上的全部点评数。
■  修复由于大众点评改版造成的部分商户“商圈”字段为空的Bug。
■  修复部分商户“区域”字段有误的Bug,部分商户没有区域信息(例如http://www.dianping.com/shop/4431668)采集到的“区域”为地址。
■  修复了部分分类下由于页面结构不一样导致经纬度提取失败的Bug。
■  “酒店”和“教育培训”类的模版不一样,增加了对这两类商户的处理。
■  增加了对部分商户“关店”标志不一样的情况处理(例如http://www.dianping.com/shop/1584226)。
■  推荐菜recommended_dishes字段增加每道菜的推荐人数信息。

详细字段说明:
“shop_id”(商户ID,唯一、固定不变),“mall_id”(商户所述商场的shop_id),“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”,”latitude”(维度),”longitude”(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”(全部点评数), “default_remarks”(默认点评数),”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),”recommended_products”(推荐产品),”parking”(停车位信息)”,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:
点击查看大众点评网2015年08月份在线示例数据

数据格式:
CSV(最通用的数据交换格式)或MySQL。

字符编码:
UTF-8。

关于本数据的FAQ:
1. 你们多久更新一次数据?
答:大概3-4个月更新一次。

2. 你们完整采集一次要花多长时间?
答:一个月左右。我们每次都是全量采集,每次下载页面量多达2000万。

3. 你们采集到的数据量为什么这么大,我自己采集为什么只能采集到200多万?
答:大众点评网的列表页有页数限制。我们采用递归子分类和子区域,结合遍历shop_id的方式,最大程度上保证了数据的完整性。

4. 我发现你们的数据缺失了某个店铺,是什么原因造成的?
答:这很正常,在采集开始到采集完成这一个月内又会新增很多的店铺,而这些店铺的数据肯定会漏掉。

5. 我发现了一个Bug,你们能给处理吗?
答:在数据购买半个月内,如果该Bug的影响范围大于10%,我们将立即处理,并免费提供一份处理后的数据。如果该Bug的影响范围小于10%,我们不能立即处理,但会在下一个版本中进行修复。
由于大众点评网的模板种类很多,要兼顾各种特殊情况,我们也在不断的修复数据中存在的历史问题。

6. 我想增加一个字段,可以吗?
答:不行,购买现成的数据不提供任何修改支持。如果你想自定义字段,建议申请定制采集服务(费用会远高于购买现成数据)。

7. 数据总量有多大?这么大怎么传给我?
答:8GB左右。通过百度网盘共享(有提取密码)。

8. 你们能否帮我将数据导入数据库?
答:抱歉,你需要自己完成导入的过程。可以参考我们的导入教程:
SQL文件 -> MySQL http://www.site-digger.com/html/articles/20150921/101.html
CSV -> MySQL http://www.site-digger.com/html/articles/20120525/34.html

点击了解更多>>>

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!! 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。
☹ 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/
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。

加微信咨询