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
-
西安鲲之鹏
发布时间:2018-09-13 16:21:22
-
西安鲲之鹏
发布时间:2018-09-12 20:53:32
【干货分享】如何用Python实现自动化操作Android手机?
鲲之鹏的技术人员在本文介绍了通过Python AndroidViewClient来控制Android手机的方案。点击查看详情 >>> http://t.cn/RssDEpx
-
西安鲲之鹏
发布时间:2018-09-12 20:47:26
-
西安鲲之鹏
发布时间:2018-08-29 09:53:19
【经验分享】如何突破汽车之家的"CSS ::before 伪元素混淆"反采集策略 ?
简单地说就是:拦截GetModelConfig1.ashx应答,注入JS代码,以暴出“索引-混淆字符明文”映射表。点击这里查看详情说明 >>> http://t.cn/RF2yGAy
-
西安鲲之鹏
发布时间:2018-08-22 12:22:02
【经验分享】"Selenium + Firefox"如何使用带用户名密码认证的HTTP代理?
鲲之鹏的技术人员通过研究终于找到了一个有效并且稳定的解决方案:
借助close-proxy-authentication这个插件,可以在Selenium + Firefox时自动完成HTTP代理认证,流程是这样的:
(1)通过Firefox配置选项动态添加close-proxy-authentication这个插件(默认不加载任何插件);
(2)通过配置选项设置HTTP代理的IP和端口参数;
(3)设置extensions.closeproxyauth.authtoken的值为base64encode("用户名:密码");
(4)后续访问网站的时候close-proxy-authentication插件将自动完成代理的授权验证过程,不会再弹出认证窗口;
点击了解详情 (内附代码)>>> http://t.cn/RkKR45S
-
西安鲲之鹏
发布时间:2018-08-21 10:16:59
【经验分享】如何突破网站对selenium的屏蔽?
现在已经有部分网站能够识别并屏蔽selenium,鲲之鹏的技术人员通过本文向你介绍:
(1)网站是如何识别selenium的;
(2)如何突破网站对selenium的屏蔽;
满满的干货,点击查看详情 >>. http://t.cn/Rk6GM15
-
西安鲲之鹏
发布时间:2018-08-20 22:27:46
【备忘】mitmproxy v0.18.2 版本Windows & Linux版本下载链接:http://t.cn/RkJXXeD
PS: 解压二进制可执行文件即可使用,建议放到系统环境变量能找到的地方;
-
西安鲲之鹏
发布时间:2018-08-20 12:51:50
【经验分享】mitmproxy如何指定上游代理?
使用-U参数,详情如下:
mitmdump.exe -U http://IP:PORT --upstream-auth USERNAME:PASSWORD
测试结果如下图所示。
注意:这里测试的是mitmproxy的0.18.2版本,新版本可能不太一样。
-
西安鲲之鹏
发布时间:2018-08-14 21:40:44
【经验分享】Slenium + Chrome 忽略证书错误方法
def start_chrome(proxy):
"""启动Chrome
"""
options = webdriver.ChromeOptions()
# 禁止加载图片
chrome_prefs = {}
chrome_prefs["profile.default_content_settings"] = {"images": 2}
chrome_prefs["profile.managed_default_content_settings"] = {"images": 2}
options.experimental_options["prefs"] = chrome_prefs
if proxy:
# 设置代理
options.add_extension(get_chrome_proxy_extension(proxy=proxy))
# 设置UA
options.add_argument("user-agent=Kunzhipeng v12.3")
# 忽略证书警告
options.add_argument("--ignore-certificate-errors")
chrome = webdriver.Chrome(chrome_options=options)
chrome.set_page_load_timeout(30)
return chrome
参考:http://t.cn/RDB1bBF
PS: 为什么要忽略证书错误呢? e.g. 用Fiddler的中间人代理访问HTTPS网站时会出现证书错误,无法正常浏览。 -
西安鲲之鹏
发布时间:2018-07-27 10:22:09
-
西安鲲之鹏
发布时间:2018-07-25 16:28:00
【经验分享】用MongoDB做后端实现的队列MongoQueue测试结果如下:
(1)插入10w任务耗时约40秒;
(2)读取10W任务并标记完成,耗时约90秒;
MongoQueue的源码 >>> ttps://github.com/pengqi/mongoqueue/blob/master/mongoqueue/mongoqueue.py
测试脚本源码 >>> http://t.cn/ReZT5y1
PS:
(1)MongoQueue默认没有给集合加索引,测试发现速度特别慢(感觉大概一秒能获取一个任务),加了索引以后速度飞速提升。
(2)上次测试diskcache.Deque(http://t.cn/ReZT5yg)的结果忘了分享了,顺便对比一下:插入10w任务耗时约200秒,读取10W任务耗时基本一样。
-
西安鲲之鹏
发布时间:2018-07-16 14:54:09
-
西安鲲之鹏
发布时间:2018-07-15 21:51:54
【经验分享】Chrome webdriver修改UA方法:
options = webdriver.ChromeOptions()
# 设置UA为“Kunzhipeng v12.3”
options.add_argument("user-agent=Kunzhipeng v12.3")
chrome = webdriver.Chrome(chrome_options=options)
测试效果如附图所示。
参考文章 [Change user agent for selenium driver]: http://t.cn/RgbkYiT