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
淘宝天猫成交记录评论采集方案
发布时间:2015-12-23
阿里系列网站(淘宝、天猫、1688等)封IP是出了名的,动辄就让你重新登录,动辄就出验证码。(如下图所示)
尤其是淘宝(天猫)在对商品搜索结果列表页、成交记录列表页和评论列表页的防护上!
鲲鹏数据的技术人员通过使用“鲲鹏国内ADSL代理”的海量IP资源,成功解决了这一限制。
我们的思路如下:
1)通过PPP-LIST接口获取当前Token的所有可用账号(如下图所示),假设有N个账号。采集程序启动N个线程,每个线程固定使用一个账号。
2)每个线程内通过RE-DIAL接口让服务器重拨对应的账号获取一个新的代理IP(如下图所示)。并使用这个代理IP进行淘宝数据(主要是评论和成交记录)的采集。
3)如果线程内出现IP被封的情况(例如 提示让登陆,出现验证码,或出现403错误),则再重复步骤2)。
更多API接口的细节可以查看该文档:鲲鹏ADSL代理API文档
最后附上一个我们的采集演示视频。
如果你想了解更多,可以联系我们的在线客服。
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/