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 >
“Drony + 动态PAC文件”实现安卓设备下的自动代理切换
发布时间:2019-01-13 来源:未知 浏览:

由于App的反采集防护越强,反编译源码获取接口变得越来越困难,相对而言,模拟App操作进行数据抓取往往更容易实现(但是效率往往较低)。如果App有IP访问频率限制该怎么办呢?模拟App操作太频繁了也会被限制。聪明的你肯定想到了使用HTTP代理。但是问题又来了,我们又不能每次都手动去更换安卓系统的代理,有没有什么方案能够自动让安卓设备自动切换代理IP呢?

本文将介绍一种通过“Drony + 动态PAC文件”实现安卓设备下的自动代理切换的方案。

Drony是一款安卓App,它以HTTP模式工作(默认监听localhost 8020),并将来自系统其它App的请求转发到上级(游)代理。支持上游代理的HTTP Basic Auth认证。并且支持PAC文件。

 

一、准备PAC文件

先准备一个PAC文件,内容很简单,如下:

function FindProxyForURL(url, host) {
   // 替换为你实际的参数
   return "PROXY 代理IP:代理端口;";
}

我们将其放到Web服务器下,例如完整的Web URL是:http://221.229.204.91:8000/pac.txt。

 

二、配置Drony

1. 安装Drony(下载地址:https://www.apkmirror.com/apk/sandrob/drony/drony-1-3-136-release/drony-1-3-136-android-apk-download/download/),然后启动Drony。

2. 往右滑动,切换到SETTINGS标签下,点击NETWORKS下的Wi-Fi(如下图所示)。

3. 再点击WIFI名称进入Network details页,如下图所示。

4. 找到WIRESSID-SCRIPT PROXY小节,如下图所示。

修改Script cache timeout和Script fetch interval都为30秒,意思是每隔30秒将重新下载一次PAC文件。

5. 点击Script,输入PAC文件的路径,点击下载,最后保存。如下图所示。

6. 将Proxy type设置为Script。

7. 重新启动Drony代理(ON-> OFF -> ON)。

8. 设置系统WIFI的代理为Drony(127.0.0.1:8020),如下图所示。

 

三,动态切换代理

聪明的你应该已经有思路了。对,就是通过修改PAC文件,因为Drony会每隔30秒会从我们设定的URL重新加载一次PAC文件,所以我们只要动态修改PAC文件,就能实现自动切换代理的效果。测试效果如下图所示。

更高级一点的做法是用动态脚本(例如PHP)来替代静态的TXT文件,脚本每次从代理IP池中获取一个代理并以PAC格式返回。

 

参考文章:

https://findproxyforurl.com/example-pac-file/

https://hariharansblog.wordpress.com/2014/09/27/drony-settings-on-android/

https://medium.com/@fwouts/blocking-websites-on-android-90958a1aca5

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