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
Squid配置技巧二则 - 限制多媒体下载 & 限制IP并发连接数
发布时间:2016-01-08
限制多媒体资源下载:
acl FORBIDDEN_EXT urlpath_regex -i \.(jpg|png|jpeg|gif|bmp|ico|flv|swf|fla|avi|mp3|mp4|mkv)$ http_access deny FORBIDDEN_EXT
PS:含有上述后缀名的URL请求都将被拦截并返回403错误。上述的-i参数是指定采用不区分大小写的方式进行匹配。
限制来自每个IP的并发连接数不能超过50:
acl LIMITUSERCON50 maxconn 50 http_access deny LIMITUSERCON50
限制来自某段IP里的每个IP的并发连接数不能超过50:
acl HAIZHI src 101.201.0.0/16 acl LIMITUSERCON50 maxconn 50 http_access deny HAIZHI LIMITUSERCON50
注意:上述代码均务必加在第一条allow语句之前,因为Squid规则是自上而下匹配的。
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/