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
爬虫应慎用“轮换UA”策略
发布时间:2015-12-31
爬虫里“轮换UA”是应对反爬的策略之一,因为这样可能会迷惑服务器让它以为你是不同的访问者,从而放松对你的警惕。但是对于某些网站可能出现“弄巧成拙”的情况。
比如我们最近在采集“美联航”机票数据的时候就遇到了这种情况:如果轮换UA进行采集,会频繁出现诡异的500错误(机票搜索的时候第一步不会出现,第二步就会出现,如下图所示)。
一旦将UA和代理IP对应关系固定下来,就正常了。
遇到这种问题一般很难找到原因,Mark一下。
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/