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:2018-04-13 14:15:02
【最新】百度指数最新采集方案演示(视频),有点如下:
1. 受限账号仍可继续采集(不会提示访问太频繁);
2. 一次可以获取近90天的数据(理论上还可以更多); 西安鲲之鹏的秒拍视频 -
西安鲲之鹏
发布时间:2018-04-02 14:16:53
【经验分享】apt-get如何使用代理?使用-o参数, e.g.
sudo apt-get -o Acquire::http::proxy="http://username:password@ip:port/" update
-
西安鲲之鹏
发布时间:2018-03-29 12:25:33
【经验分享】多IP(网络接口)环境下Python httplib如何指定出口IP(outgoing address)?
如图1所示,测试机有ppp0和ppp1两个网络出口,如下测试代码:
import httplib
HOST = 'httpbin.org'
for outgoing_ip in ['59.55.148.133', '182.84.192.255']:
conn = httplib.HTTPConnection(HOST, timeout=10, source_address=(outgoing_ip, 0))
conn.request('GET', '/ip', '', {'HOST': HOST})
res = conn.getresponse()
print 'Response through outgoing interface "{}":{}'.format(outgoing_ip, res.read())
测试结果如图2所示。
-
西安鲲之鹏
发布时间:2018-02-01 22:16:32
【经验分享】如何用JS获取CSS :before 伪元素的content值?
e.g.某网站用CSS :before 伪元素将部分内容进行了“保护”(通过加密的JS动态生成类似如下的CSS伪元素展示信息),常规HTTP交互方法将获取不到内容(注意该CSS属性是加密的JS动态生成的)。
.anti_spider_txt:before {
content: '反采集的内容';
}
用模拟浏览器方式执行JS即可突破:
window.getComputedStyle(
document.querySelector('.anti_spider_txt'), ':before'
).getPropertyValue('content');
PS:如果网站用JS屏覆盖对象的getPropertyValue方法和其它属性,上述方法将失效。
不过可以通过中间人代理将对应JS代码屏蔽掉,该思路已通过验证。
-
西安鲲之鹏
发布时间:2018-02-01 21:47:27
【经验分享】Python如何获取字体文件内包含的所有文字编码?
from fontTools.ttLib import TTFont
font_path = './fonts/205a5cc78d8914cd4a3f65bd99ff97e0.ttf'
font = TTFont(font_path)
print font.getGlyphOrder()
输出如下:
['.notdef', 'uniEDA5', 'uniED53', 'uniEE06', 'uniEDB5', 'uniEC74', 'uniED27', 'uniECD6', 'uniED89', 'uniEC48', 'uniEDEB', 'uniECAA', 'uniEC58', 'uniED0C', 'uniEDBF', 'uniED6D', 'uniEC2D', 'uniECE0', 'uniEC8E', 'uniED42', 'uniECF0', 'uniEDA3', 'uniEC63', 'uniEE05', 'uniECC4', 'uniED78', 'uniED26', 'uniEDD9', 'uniED87', 'uniEC47', 'uniECFA', 'uniECA8', 'uniED5C', 'uniEC1B', 'uniEDBD', 'uniEC7D', 'uniEC2B', 'uniECDE', 'uniED92', 'uniED40', 'uniEDF3', 'uniECB3', 'uniEC61', 'uniED14', 'uniECC3', 'uniED76', 'uniEC35', 'uniEDD8', 'uniEC97', 'uniED4A', 'uniECF9', 'uniEDAC', 'uniED5A', 'uniEC1A', 'uniECCD', 'uniEC7B', 'uniED2F', 'uniEDE2', 'uniED90', 'uniEC50', 'uniEDF2', 'uniECB1', 'uniED65', 'uniED13', 'uniEDC6', 'uniEC86', 'uniEC34', 'uniECE7', 'uniEC95', 'uniED49', 'uniEDFC', 'uniEDAA', 'uniEC6A', 'uniED1D', 'uniECCB', 'uniED7F', 'uniED2D', 'uniEDE0', 'uniECA0', 'uniEC4E', 'uniED01', 'uniED63', 'uniEC22', 'uniEDC4', 'uniEC84', 'uniED37', 'uniECE5', 'uniED99', 'uniEDFA', 'uniECBA', 'uniEC68'
]
-
西安鲲之鹏
发布时间:2018-01-24 09:50:57
【经验分享】让curl自动解压gzip应答:curl --compressed "http://t.cn/hrfhaz" >>> http://t.cn/RQmBIJE
附图:
1)图1,未加--compressed参数,显示乱码,因为网站返回的gzip内容未被解压。
2)图2,加上显示乱码参数,显示正常。
-
西安鲲之鹏
发布时间:2018-01-22 15:43:27
【经验分享】Python读取火狐的SQLite文件,提示"sqlite3.DatabaseError: file is encrypted or is not a database"异常。用SQLite阅读器打开正常。解决方案:下载最新版的sqlite3.dll文件(http://t.cn/hj5v5)覆盖到python27/DLLs内,问题解决。 参考文章: http://t.cn/RQQApNy
-
西安鲲之鹏
发布时间:2017-12-25 08:31:00
【经验分享】设置Mac Mini加电后自启动: sudo setpci -s 0:1f.0 0xa4.b=0
实测成功。其它方法参考 >>> http://t.cn/RH2C60b -
西安鲲之鹏
发布时间:2017-12-12 19:03:00
Ubuntu14.04 64bit下Firefox试了好多版本出现“Couldn't load XPCOM”错误无法正常运行,最后发现firefox-45.0(http://t.cn/RTVXIpO)可以正常工作。