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
更多>>官方微博
-
【经验分享】未解锁BL的手机进9008模式（Mi6X为例）
对于未解锁BL的手机，需要拆机，通过短接特定触点的方式进入9008模式。
以小米Mi6X为例：
第一步，拧掉充电口旁边的两颗螺丝。
第二步，扣开后盖，可能不太好扣，可以借助美工刀在边缘撬一下。拧掉保护条上的3个螺丝。
第三步，拔掉电池排线。看图，记着两个短接触点的位置。
第四步，用镊子短接两个触点，同时插入TypeC线，2秒左右设备管理器"端口COM"里会出现9008接口，此时松开镊子。发布时间：2024-11-27 10:13:20
-
【经验分享】已解锁BL的手机进9008模式
高通9008模式全称"Qualcomm HS-USB QDLoader 9008"，它相对于recovery、fastboot和Android系统是独立的。即深刷模式，也叫EDL，号称"救砖神奇"。
对于已解锁BL的手机，进入9008相对比较简单，以小米Mi6X为例：
1. 先确定手机是否解锁BL了。已解锁BL的手机，刚开机的时候会有"Unlocked"字样，如附图1所示。
2. 长按“音量减键 + 开机键”进入fastboot。
3. 执行fastboot oem edl，即可进入9008模式，进入成功后设备管理器COM端口里可以看到"Qualcomm HS-USB QDLoader 9008"。如附图2、3所示。发布时间：2024-11-26 12:53:03
-
【经验分享】com.android.org.conscrypt.TrustManagerImpl证书固定检测绕过示例
某APP使用通用的sslunpinning脚本后仍然抓不到包：
（1）分析logcat日志，发现com.android.org.conscrypt.TrustManagerImpl类相关代码抛出java.security.cert.CertificateException异常，如图1所示。
（2）hook 类com.android.org.conscrypt.TrustManagerImpl的checkTrusted和checkServerTrusted方法，返回空列表，成功抓到包。
日志线索寻找关键词：CertificateException、CertificateExpiredExceptio、SSLHandshakeException发布时间：2024-10-24 15:36:45
-
【经验分享】如何获取安卓手机上已安装APP的安装包(.apk)文件？
1. 先查看已安装APP列表，确定对应APP的包名。
adb shell pm list packages
2. 假设包名为org.gushiwen.gushiwen。再根据包名查看APP的详细信息：
adb shell dumpsys package org.gushiwen.gushiwen
返回信息中的path属性，以base.apk结尾的，即就是这个APP的安装文件，如附图1所示。另外返回的信息中还有当前APP的版本（versionName属性），如附图2所示。
3. pull下来这个文件，就可以在其它设备上安装了。发布时间：2024-10-22 11:27:51
-
【经验分享】Dell R720意外断电重启之后丢失硬盘（硬盘状态变为Foreign）问题解决？
本来有10块盘，启动的时候显示只有9块Virtual Disk。“Ctrl + R”进入RAID设置，在“VD Mgmt”标签页下也只看到了9块Virtual Disk。在“PD Mgmt”标签页下看到是有10块物理盘，不过第5块状态变成“Foreign”了（如附图1所示）。
解决方法：在“VD Mgmt”标签页下，焦点切换到"PERC H710 Mini"上按F2，然后"Foreign Config"，再然后"Import"，操作完成（要等待几秒）之后就能看到全部盘了，如图2所示。
PS：用Ctrl + N快捷键切换菜单标签。发布时间：2024-10-18 16:35:44
-
【经验分享】一个游戏闯关模式学习CSS Selector的网站"CSS Diner"：https://flukeout.github.io/。
Python使用BeautifulSoup实现CSS Selector解析HTML文档的示例：
import requests
from bs4 import BeautifulSoup
r = requests.get('http://www.site-digger.com/html/articles/')
r.encoding = 'UTF-8'
html = r.text
soup = BeautifulSoup(html)
for a in soup.select('ul[class="arclist"] li a'):
print(a['href'], a.text)发布时间：2024-09-02 19:43:03
-
【经验分享】qemu-system-x86运行tiny11
(1) 安装qemu-system-x86，安装完成后无需重启。
sudo apt-get update
sudo apt-get install qemu qemu-utils qemu-system-x86
(2) 创建硬盘。
qemu-img create -f qcow2 tiny11.img 50G
(3) 创建虚拟机。
sudo qemu-system-x86_64 --enable-kvm -m 2G -smp 4 -boot order=dc -hda /home/qi/kvm/tiny11-1/tiny11.img -cdrom /home/qi/kvm/tiny11_23H2_x64.iso -vnc :1
(4) vnc连接 "服务器ip:5901"，完成系统安装过程。设置vnc密码的方法：https://qemu-project.gitlab.io/qemu/system/vnc-security.html#with-passwords。
(5) 映射主机端口给虚拟机，使用-redir参数。如下示例，将主机的TCP/UDP4001端口映射到虚拟机的4000端口。
-redir tcp:4001::4000 -redir udp:4001::4000发布时间：2024-08-10 12:13:46
-
【经验分享】Playwright过geo.captcha-delivery.com检测
page.add_init_script('''Object.defineProperties(navigator, {webdriver:{get:()=>undefined}}); delete navigator.__proto__.webdriver;''') 发布时间：2024-07-31 10:41:18
-
【经验分享】scrcpy在网络质量欠佳环境下可以通过降低码率来提高流畅度
e.g.
scrcpy --bit-rate 1M --max-fps 5
注意：在新版本中--bit-rate参数更名为--video-bit-rate 发布时间：2024-07-03 10:11:54
-
【经验分享】scrcpy在小米手机上鼠标不起作用问题的解决
在“开发者选项”中需要打开"USB调试（安全设置） - 允许通过USB调试修改权限或模拟点击"。要打开这个选项，手机需要先登录小米账号，另外手机必须要插有SIM卡。 发布时间：2024-07-03 10:09:29
什么是Web数据抓取（采集）？
因特网（Internet）中有海量的有用数据，但大多数信息都是以无结构的文本形式存在，使得信息聚合和重用非常困难。 Web数据抓取（采集）是一种将非结构化内容转换为结构化数据（例如，Excel文档、MySQL数据库）的技术。一个Web数据抓取（采集）项目大致可以分为如下三步：
1）爬取目标网站并下载相关页面。
2）从下载的页面中提取感兴趣的数据（字段，例如 名称、地址）。
3）将提取的数据（字段）以结构化的形式存储（例如，CSV、JSON、XML、ACCESS、SQLITE、MSSQL、MySQL）。
数据采集合法吗？
从公共网站上采集数据是很常见的（实际上，“谷歌”、“百度”的数据也来源于采集）和合法的。我们进行采集的前提是假设客户将会合法、合理地使用数据，并且客户已获取目标数据源的访问授权。同时我们保留权利拒绝任何人将数据用于非法目的或我们认为不合理的用途。
你们能采集什么样的数据？
任何你能在浏览器中看到的数据都可以被抓取，只是难度会有所不同。以下几点因素会使得采集工作变得困难，从而费用也将更高。
■ 限制单个IP的访问数量或访问频率。
■ 不一致的页面结构。
■ 数据被加密（或混淆）了，需要解析。
■ 数据被JavaScript动态加载。
■ 数据在Flash中展现。
■ 海量的数据（例如，数百万甚至上千万的页面）。
你们的采集服务比用采集工具自己采集有什么优势？
采集工具具有局限性：
■ 很多场景都不能适用。比如，登录采集、Ajax动态加载数据、联合采集、需要上下文逻辑、数据加密等等。
■ 操作上具很大的难度。要求客户能够自己分析网站和页面结构，客户通常需要自己编写复杂的提取规则。
■ 不能对采集结果的二次处理。
我们提供的是定制采集服务，即根据目标网站的实际情况以及客户的需求，编写采集脚本，能够处理各种复杂的情况（数据加密、连接限制）和上下文逻辑，从而能够得到最完美的采集结果。
成人网站你们是否采集？
不。任何反动、色情、博彩性质的网站我们都拒绝采集。
怎么收费？
费用主要取决于目标网站的复杂程度，点击这里查看我们的基本收费标准。如果一个网站规模较小、结构良好、数据在HTML中清晰可见，我们的收费应该在1500元以内。
我们也出售一些采集好的数据，价格会比定制采集的费用少很多。点击进入数据超市，查看我们的部分数据。
采集一个网站需要多长时间？
时间主要取决于目标网站的规模，一个简单的网站可能在一天内即可采集完成，但是一个大的网站可能会耗费数周的时间。在项目开始之前我们会给你一个估计时间。我们采用分布式系统架构，日采集页面数可以达到8000万。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。
怎么雇用你们？
你只需要在这里提交你的项目，我们会在24小时内跟你取得联系。你也可以通过电话或者在线QQ直接联系我们，点击这里查看我们的联系方式。
怎么付款？
在项目的开始，我们会收取项目总额30%的预付款，交付数据时结算尾款。
我们支持多种支付途径：支付宝、银行汇款、PayPal，详情请查看这里。
能退款吗？
我们的退款原则是：
■ 如果一个项目无法完成当然是无条件退款。
■ 如果在我们开始开发前你想取消一个项目，你也可以得到退款。
■ 如果你的需求在项目开始之后变化了，我们可以重新谈价格。
你们使用什么技术？
■ 我们的数据采集程序主要采用开源、免费、跨平台并支持多线程的Python语言开发。
■ 对于大型采集项目我们采用亚马逊云主机。我们同时在西安电信，Linode东京机房托管和租用了多台主机。
■ 解析JavaScript（例如加密）我们采用Webkit技术。
■ 我们也熟悉其它开发语言：PHP。
你们招聘开发人员吗？
如果你对Web数据采集技术感兴趣，如果你想通过挑战各种难题学到新技术，我们很乐意收到你的简历hello@site-digger.com。