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】pyautogui出现“SyntaxError: 'return' with argument inside generator”异常(如图所示)的解决:卸载pyscreeze,安装pyscreeze 0.1.19版本即可。

    sudo pip uninstall pyscreeze   
    sudo pip install pyscreeze==0.1.19 ​​​​
    发布时间:2019-03-27 11:51:05
  • 【经验分享】使用 Chrome DevTools Protocol 协议,在Network.responseReceived时调用Network.getResponseBody获取应答正文有时会出现“No resource with given identifier”异常,是什么原因?
    解答:当浏览器接收到HTTP应答头之后Network.responseReceived被调用,但此时HTTP应答正文(ResponseBody)可能还没到位,应当在Network.loadingFinished时再调用Network.getResponseBody。
    发布时间:2019-03-25 16:42:04
  • 【经验分享】使用Fiddler时如何屏蔽Chrome的证书警告:"Your connection is not private"/"您的连接不是私密连接"(如图1所示)?
    启动chrome的时候加上--ignore-certificate-errors命令行参数(如图2所示)即可。
    测试效果如图3所示。 ​​​​
    发布时间:2019-03-21 17:30:46
  • 【经验分享】Ubuntu server下google-chrome启动出现"[5430:5430:0321/124708.367027:ERROR:browser_dm_token_storage_linux.cc(101)] Error: /etc/machine-id contains 0 characters (32 were expected)."问题的解决:

    sudo cp /var/lib/dbus/machine-id /etc/machine-id

    参考:https://unix.stackexchange.com/questions/477180/error-etc-machine-id-contains-32-characters-32-were-expected ​​​​
    发布时间:2019-03-21 12:57:06
  • 【经验分享】requests库使用py2exe打包之后出现"Could not find a suitable TLS CA certificate bundle"问题的解决:
    原因是打包之后按默认路径无法找到cacert.pem文件。将cacert.pem复制到exe同目录下,然后在程序里设置REQUESTS_CA_BUNDLE环境变量,如下:
    os.environ['REQUESTS_CA_BUNDLE'] =  os.path.join(os.path.dirname(sys.argv[0]), 'cacert.pem')
    重新打包,问题消失。

    参考:https://stackoverflow.com/questions/10667960/python-requests-throwing-sslerror
    发布时间:2019-03-20 13:11:35
  • 【经验分享】Ubuntu上添加可信任根证书
    1. 如果是pem格式的根证书,先重命名为 .crt格式,例如( mitmproxy-ca-cert.crt)。
    2. sudo cp  mitmproxy-ca-cert.crt  /usr/local/share/ca-certificates。
    3. sudo update-ca-certificates

    update-ca-certificates命令将PEM格式的根证书内容附加到/etc/ssl/certs/ca-certificates.crt ,而/etc/ssl/certs/ca-certificates.crt 包含了系统自带的各种可信根证书.
    发布时间:2019-03-18 11:03:48
  • 【经验分享】Python urllib2连接HTTPS网站出现“SSL routines:SSL23_GET_SERVER_HELLO:sslv3 alert handshake failure”问题(如图1所示)的解决。从这里github.com/pytorch/pytorch/issues/3193得知,Python2.7.9之前的版本连接某些HTTPS网站会有这个问题,之后的版本没有问题。于是测了下别的服务器上的Python2.7.12版本,果然没有问题(如图2所示)。

    似乎也是跟SNI有关,去年我们曾写过一篇文章《SNI导致Python 2.7建立TLS连接出现104错误问题的解决》 ,也是升级到最新版本的Python之后问题解决,详细过程见这里 :http://t.cn/EZSeTBn

    附:测试连接 https://jobs.51job.com/beijing-hdq/111488127.html?s=01&t=0
    发布时间:2019-03-14 15:41:19
  • 【经验分享】远程GeckoDriver的使用 - 鲲之鹏的技术人员在本文向您介绍如何远程使用GeckoDriver调用多台服务器上的Firefox浏览器进行数据抓取。  >>> http://www.site-digger.com/html/articles/20190313/716.html ​​​​
    发布时间:2019-03-14 15:26:50
  • 【经验分享】PDF表格抽取Python库 Camelot - https://github.com/socialcopsdev/camelot
    Camelot is a Python library that makes it easy for anyone to extract tables from PDF files!

    依赖的库有点多,不过效果超赞!

    实测效果:
    图1为PDF原始文件截图;
    图2为抽取为CSV后截图; ​​​​
    发布时间:2019-02-20 12:00:43
  • 【经验分享】“永辉生活微信小程序”不响应KEYCODE_PAGE_UP(92) 怎么破?
    测试发现可以响应KEYCODE_DPAD_DOWN(20),不过KEYCODE_DPAD_DOWN一次只能滚动很小的幅度。怎么提升效率? 一次发送多个CODE即可。
    例如,一次发送10个KEYCODE_DPAD_DOWN操作:
    adb shell input keyevent 20 20 20 20 20 20 20 20 20 20
    发布时间:2019-02-15 19:14:57
当前位置: 首页 > 技术文章 >
国内知名本地生活信息平台3648万商户数据2017年07月份更新
发布时间:2016-01-22 来源:未知 浏览:

数据说明:
国内知名本地生活信息平台(你懂的)全国3648万商户(所有分类)数据2017年07月份更新。
PS:仅商户数据,不含评论列表数据。
 
有图有真相:
 
 
更新说明:

 

  • 删除mall_id字段(网站改版,已无该信息);
  • 删除history字段(网站改版,已无该信息);
  • navigation字段更名为breadcrumb;
  • 修复“家装类”由于模板升级造成的数据不全的问题;
详细字段说明:
  1. “shop_id"(商户ID,唯一、固定不变)
  1. “mall_id"(商户所述商场的shop_id)(网站改版,已无该信息)
  1. “verified"(是否加V)
  1. "is_closed"(是否停业)
  1. "name"(商户名称)
  1. "alias"(别名)
  1. "province"(省)
  1. "real_city"(真实所属城市)
  1. "city"(市)
  1. "city_pinyin"(市拼音)
  1. "city_id"
  1. "area"(区)
  1. "big_cate"(一级分类)
  1. "big_cate_id"
  1. "small_cate"(二级分类)
  1. "small_cate_id"
  1. "address"(地址)
  1. "business_area"(商圈)
  1. "phone"(电话)
  1. "hours"(营业时间)
  1. "avg_price"(均价)
  1. "stars"(星级)
  1. "photos"(图片)
  1. "description"(描述)
  1. "tags"(标签)
  1. "map_type"
  1. "latitude"(纬度, 腾讯地图)
  1. "longitude"(经度, 腾讯地图)
  1. "breadcrumb"(导航栏、面包屑内容)
  1. "traffic"(交通)
  1. "characteristics"(特色)
  1. "product_rating"(口味/产品评分)
  1. "environment_rating"(环境评分)
  1. "service_rating"(服务评分)
  1. "all_remarks"(全部点评数)
  1. “default_remarks"(默认点评数)
  1. "very_good_remarks"(5星数)
  1. "good_remarks"(4星数)
  1. "common_remarks"(3星数)
  1. "bad_remarks"(2星数)
  1. "very_bad_remarks"(1星数)
  1. "recommended_dishes"(推荐菜)
  1. "recommended_products"(推荐产品)
  1. "parking"(停车位信息)
  1. "nearby_shops"(周边商户)
  1. "is_chains"(是否是连锁店)
  1. "take-away"(是否外卖)
  1. "group"(团购信息)
  1. "card"(会员卡)
  1. "latest_comment_date"(最新评论日期)
  1. "history"(历史时间点:加入时间、更新时间、最后评论时间三类信息分号分隔)(网站改版,已无该信息)
  1. "visits_total"(总浏览数)
  1. "visits_month"(本月浏览数)
  1. "visits_week"(本周浏览数)
  1. "num_collected"(收藏人数)
 
示例数据:
  1. 定制示例数据
  • 你可以联系我们在线客服获取你想要的部分示例数据,例如某个城市某个分类的示例数据。也可以查询验证某个条件对应的商户数量。
 
联系客服:
客服QQ:312602670 或 1649677458
客服电话:13389148466 或 13571845363

 
关于本数据的FAQ:
  1. 你们多久更新一次数据?
  • 答:大概6个月更新一次。
  1. 你们完整采集一次需要要花多长时间?
  • 答:一个月左右。我们每次都是全量采集,本次下载页面量超过1.5亿。
  1.  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几百万?
  • 答:网站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。
  1. 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。
  1. 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。由于网站的模板种类很多,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。
  1. 我想增加一个字段,可以吗?
  • 答:抱歉不行,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)。
  1. 数据总量有多大?这么大怎么传给我?
  • 答:ZIP文件约4.3GB左右,解压后CSV文件约21GB左右。通过百度网盘共享(有提取密码)。
  1. 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:
  1. 你们有历史数据吗?
  • 答:有。请联系我们的客服QQ咨询详情。
  1. 你们可以采集其它网站的数据吗?
  • 答:是的,任意公开网站的非隐私数据我们都可以采集,这里有部分我们之前采集的示例数据 >>> 点击进入数据超市。PS:我们不采集任何非法网站(例如,博彩、色情)的数据、也不会采用非法手段窃取后台数据。

 

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。

加微信咨询