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】如何突破网站对selenium的屏蔽?
    现在已经有部分网站能够识别并屏蔽selenium,鲲之鹏的技术人员通过本文向你介绍:
    (1)网站是如何识别selenium的;
    (2)如何突破网站对selenium的屏蔽;
    满满的干货,点击查看详情 >>. http://www.site-digger.com/html/articles/20180821/653.html ​​​​
    发布时间:2018-08-21 10:16:59
  • 【备忘】mitmproxy v0.18.2 版本Windows & Linux版本下载链接:https://github.com/mitmproxy/mitmproxy/releases/tag/v0.18.2
    PS: 解压二进制可执行文件即可使用,建议放到系统环境变量能找到的地方; ​​​​
    发布时间:2018-08-20 22:27:46
  • 【经验分享】mitmproxy如何指定上游代理?
    使用-U参数,详情如下:
    mitmdump.exe -U http://IP:PORT --upstream-auth USERNAME:PASSWORD
    测试结果如下图所示。
    注意:这里测试的是mitmproxy的0.18.2版本,新版本可能不太一样。 ​​​​
    发布时间:2018-08-20 12:51:50
  • 【经验分享】Slenium + Chrome 忽略证书错误方法

    def start_chrome(proxy):
        """启动Chrome
        """
        options = webdriver.ChromeOptions()
        # 禁止加载图片
        chrome_prefs = {}
        chrome_prefs["profile.default_content_settings"] = {"images": 2}
        chrome_prefs["profile.managed_default_content_settings"] = {"images": 2}
        options.experimental_options["prefs"] = chrome_prefs
        if proxy:
            #
    设置代理
            options.add_extension(get_chrome_proxy_extension(proxy=proxy))
        # 设置UA
        options.add_argument("user-agent=Kunzhipeng v12.3")
        #
    忽略证书警告
        options.add_argument("--ignore-certificate-errors")
        chrome = webdriver.Chrome(chrome_options=options)
        chrome.set_page_load_timeout(30)
        return chrome

    参考:https://stackoverflow.com/questions/42133172/selenium-and-chrome-error-ignore-certificate-errors
    PS: 为什么要忽略证书错误呢? e.g. 用Fiddler的中间人代理访问HTTPS网站时会出现证书错误,无法正常浏览。
    发布时间:2018-08-14 21:40:44
  • 【经验分享】同一账号,在同一IP下,人工浏览器登陆很正常,但是用Selenium(+phantomjs or + chrome)登陆,却提示“安全验证”,怎么破?
    想了一下,人工操作和Selenium操作的区别在于人速度慢,输入账号密码然后点击登陆之间会有延时(操作再快也需要两三秒时间),而Selenium可以瞬间完成这些操作。通过JS可以检测到这个信息(“表单操作时间”)并提交给服务器,服务器如果判断这个表单操作时间过短就判断为机器,然后用“安全验证”拦住你。
    于是果断地给Selenium的表单操作加了几秒延时,问题顺利解决!
    发布时间:2018-07-27 10:22:09
  • 【经验分享】用MongoDB做后端实现的队列MongoQueue测试结果如下:
    (1)插入10w任务耗时约40秒;
    (2)读取10W任务并标记完成,耗时约90秒;

    MongoQueue的源码 >>> ttps://github.com/pengqi/mongoqueue/blob/master/mongoqueue/mongoqueue.py
    测试脚本源码 >>> https://bitbucket.org/snippets/qi/qedzrj

    PS:
    (1)MongoQueue默认没有给集合加索引,测试发现速度特别慢(感觉大概一秒能获取一个任务),加了索引以后速度飞速提升。
    (2)上次测试diskcache.Deque(http://www.grantjenks.com/docs/diskcache/tutorial.html#deque)的结果忘了分享了,顺便对比一下:插入10w任务耗时约200秒,读取10W任务耗时基本一样。
    发布时间:2018-07-25 16:28:00
  • 【经验分享】正则表达式提取效率要比xpath高很多,点击查看对比测试结果  >>> http://www.site-digger.com/html/articles/20180716/652.html ​​​​
    发布时间:2018-07-16 14:54:09
  • 【经验分享】Chrome webdriver修改UA方法:
    options = webdriver.ChromeOptions()
    # 设置UA为“Kunzhipeng v12.3”
    options.add_argument("user-agent=Kunzhipeng v12.3")
    chrome = webdriver.Chrome(chrome_options=options)
    测试效果如附图所示。

    参考文章 [Change user agent for selenium driver]: https://stackoverflow.com/questions/29916054/change-user-agent-for-selenium-driver
    发布时间:2018-07-15 21:51:54
  • Selenium disable Image loading in different browsers >>> http://t.cn/RdugmXm ​​​​
    发布时间:2018-07-11 18:21:10
  • chromedriver 镜像 - ChromeDriver Mirror >>> http://t.cn/RdugQbX ​​​​
    发布时间:2018-07-11 18:20:49
当前位置: 首页 > 技术文章 >
DNSPod API + Cron实现动态域名解析(DDNS)
发布时间:2015-12-11 来源:未知 浏览:

场景:公司的一台服务器放在联通ADSL内网(IP是动态的),需要经常从外面访问它。

首先想到的是花生壳这种DDNS服务,但是很遗憾,花生壳免费版只支持电信线路,联通网络上花生壳客户端登录不上去。

于是决定“自己动手,丰衣足食”。DNSPod API支持动态修改一个域名的解析地址,我们恰好有好几个域名托管在DNSPod,于是决定尝试一下这个思路。

1)仔细阅读了下相关文档,准备好相关参数。修改记录的API相关说明在这里:http://www.dnspod.cn/docs/records.html#record-modify。

要调用这个接口我们需要DNSPod的账号、密码以及域名的ID、记录的ID,后面这两个参数可以结合DNSPod的其它API获取到,因为是固定的,所以只需要获取一次。

2)编写一个Python脚本,实现在发现IP发生变化时向“修改记录”API发出请求,对记录对应的IP进行更新。

PS:刚开始想到的是定时去更新(比如每1分钟),但是DNSPod API有这个限制“如果1小时之内,提交了超过5次没有任何变动的记录修改请求,该记录会被系统锁定1小时,不允许再次修改。比如原记录值已经是 1.1.1.1,新的请求还要求修改为 1.1.1.1。”。

所以必须要在程序里判断一下路由器的IP是否发生了变化,当发生变化后再进行调用。

这Python脚本大概是这个样子的:

# coding: utf-8
# update_domain_ip.py
# Update the IP of jamp.webscraping.cn via DNSPod API

import os
import sys
os.chdir(os.path.dirname(os.path.realpath(sys.argv[0])))
import re
import time
import urllib

# A file used to store local IP address
IP_FILE = 'ip_last.txt'

def update():
    print time.strftime('%Y-%m-%d %H:%M:%S')
    # The previous IP address
    ip_last = open(IP_FILE).read().strip() if os.path.exists(IP_FILE) else None
    # The current IP address
    html = urllib.urlopen('http://httpbin.org/ip').read()
    print html
    ip_current = None
    m = re.compile(r'"origin":\s+"([^"]+)"').search(html)
    if m:
        ip_current = m.groups()[0]
    if ip_current and ip_last != ip_current:
        print 'IP changed. Is going to update the domain IP.'
        command = "curl -X POST https://dnsapi.cn/Record.Modify -d 'login_email=DNSPOD账号&login_password==DNSPOD密码&format=json&domain_id=域名ID&record_id=记录ID&sub_domain=jamp&value={}&record_type=A&record_line=默认'".format(ip_current)
        os.system(command)
        open(IP_FILE, 'w').write(ip_current)

if __name__ == '__main__':
    update()
3)增加一个Cron任务,大概是这样子的:
*/5 * * * * /usr/bin/python /home/qi/update_domain_ip.py > /home/qi/update_domain_ip.log
 
总结,这种方案我们实际测试了一周了,效果非常好,目前还没有出现过掉链子的情况。
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。