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
腾讯宜出行数据无人值守抓取
发布时间:2018-03-06
腾讯宜出行的热力图数据抓取有以下几个难点:
1)需要登录抓取。
2)会话时效性短,Cookie中有JS动态产生的验证参数。
3)一个账号每天只能发送Ajax请求120次左右,超过就会提示“访问过于频繁,请明天再来”。
4)返回的Ajax数据经纬度数据有加密,Count值也被做了手脚。
综合上述难点,鲲之鹏的技术人员最终采用Selenium + Firefox的方式实现了无人值守模式抓取:
1)支持账号列表,能够自动登录账号;
2)在账号被封时(一个账号一天只能访问120次左右)能够自动切换新的(下一个)账号;
3)自动解密经纬度数据并转化为WGS84坐标,自动还原Count值。
下面是一张视频截图:
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/