- 综合排序
- 最热优先
- 最新优先
Pangolin安装
build-essential libgtk2.0-dev libvtk5-dev libjpeg-dev libtiff5-dev libjasper-dev libopenexr-dev libtbb-dev # Pangolin libjpeg-dev libpng12-dev libtiff5-dev libopenexr-dev 下载源码： git clone https://github.com/stevenlovegrove/Pangolin.git
27100编辑于 2025-07-20- 来自专栏Amazon 爬虫
企业级电商数据采集架构：基于Pangolin Scrape API的云原生解决方案
本文将深入探讨如何构建一个高可用、可扩展的企业级电商数据采集系统，结合云原生技术栈和Pangolin Scrape API，为企业提供稳定可靠的数据服务。 合规性和安全性要求数据采集需要符合各国法律法规企业级安全审计和访问控制数据传输和存储的加密要求Pangolin Scrape API的企业级价值作为专业的电商数据采集服务，Pangolin在企业级应用中展现出显著优势 : "production" # API配置 pangolin: base_url: "https://api.pangolinfo.com" timeout: API成本（月） pangolin_costs = { 'api_calls': 20000, # API调用费用 ' ': pangolin_costs } } 业务价值总结企业级收益分析通过实施基于Pangolin Scrape API的企业级数据采集解决方案，企业可以获得以下显著收益
30500编辑于 2025-10-22 - 来自专栏Amazon 爬虫
企业级电商数据采集架构设计：基于云原生的最佳实践
数据流处理架构# 基于腾讯云的数据处理流水线数据源(Amazon/Walmart) ↓ Pangolin API采集 ↓ 消息队列(CKafka) ↓ 实时处理(流计算Oceanus 数据流处理架构```数据源(Amazon/Walmart) ↓ Pangolin API采集 ↓ 消息队列(CKafka) ↓ 实时处理(流计算Oceanus) ↓ 数据存储 valueFrom: secretKeyRef: name: pangolin-secret key: api-key 微服务架构拆分[架构图]API Gateway (腾讯云API网关)├── 任务调度服务 (CVM/TKE)├── 数据采集服务 (Pangolin)├── 数据处理服务 (CVM/SCF)├── 消息队列 数据流处理架构数据源(Amazon/Walmart) → Pangolin API采集 → 消息队列(CKafka) → 实时处理(流计算Oceanus) → 数据存储(COS + CDB) → 数据分析
36310编辑于 2025-10-15 - 来自专栏点云PCL
一个精简的开源点云库
来说，代码更有可读性，PCL中大量的使用C++高级特性，阅读起来比较难并且不易重构拆解代码，而cilantro重点放在了3D案例上，尽量减少了样板代码的数量，包含了对点云常见的操作，是一个比较简单易懂的API 点云模型估计模块 ransac估计器模板及其在一般维度上的实例： （1）稳健超平面估计 （2）给定噪声对应的刚性点云配准 点云可视化模块模块 主要是依赖了第三方库Pangolin 安装与实例 安装Eigen 以及 Pangolin 安装Eigen3 sudo apt-get install libeigen3-dev 安装Pangolin sudo apt-get install libglew-dev libpython2.7 cd Pangolin mdkir build cd build cmake .. make sudo make install 安装完成后下载源码并编译 (已经fork到我们的github组群中) build cd build cmake .. make 从cmake中我们可以看出来代码是比较精简的，一般性的第三方库都已经在include中，并且直接将其编译为.so文件，而我们在安装成eigen和pangolin
3.9K32发布于 2019-10-22 企业级亚马逊关键词排名监控系统：云端部署与架构实践
认证"""auth_url=f"{self.api_base_url}/api/v1/auth"payload={"email":os.getenv('PANGOLIN_EMAIL'),"password =${PANGOLIN_EMAIL}-PANGOLIN_PASSWORD=${PANGOLIN_PASSWORD}-DB_HOST=postgres-DB_PORT=5432-DB_NAME=keyword_monitor-DB_USER :${env:PANGOLIN_EMAIL}PANGOLIN_PASSWORD:${env:PANGOLIN_PASSWORD}DB_HOST:${env:DB_HOST}DB_NAME:keyword_monitorDB_USER =secret_mgr.get_secret("pangolin-api-password")db_password=secret_mgr.get_secret("postgres-password") 7.2访问控制展开代码语言：YAMLAI代码解释#API网关访问控制配置apigateway:authentication:type:api_keyheader_name:X-API-Keyrate_limiting
19521编辑于 2026-01-07基于云原生架构的电商数据采集解决方案：亚马逊选品数据处理实践
产品架构与核心功能Pangolin作为专注于电商数据采集的专业厂商，提供了两个核心产品：Scrape API和Data Pilot。 以下是一个典型的亚马逊商品数据采集示例：import requests# 配置API接口url = "https://scrapeapi.pangolinfo.com/api/v1/scrape"headers 相比传统工具公司：以卖家精灵为代表的传统工具公司虽然也提供API服务，但通常将API产品单独销售，价格昂贵，而且对每月的API访问量有严格限制。这种模式实际上无法满足大规模数据分析的需求。 高效选品的数据应用实践基于Scrape API的深度数据挖掘Scrape API的强大之处在于它能够获取多层次、多维度的原始数据，为深度分析提供丰富的数据基础。 Pangolin作为专业的电商数据服务商，通过Scrape API和Data Pilot两大产品，为不同类型的用户提供了完整的数据解决方案。
46810编辑于 2025-08-20- 来自专栏Amazon 爬虫
98%采集率！基于云原生架构的亚马逊SP广告数据采集最佳实践
/services/scraper environment: - PANGOLIN_API_KEY=${PANGOLIN_API_KEY} - RABBITMQ_URL=amqp clb_models.CreateLoadBalancerRequest() req.LoadBalancerType = "OPEN" req.LoadBalancerName = "pangolin-api-lb 重启服务 restart_commands = { "api_gateway": "docker restart pangolin_api_gateway", "scraper_service": "docker restart pangolin_scraper", "data_processor": "docker restart pangolin_processor Pangolinfo Scrape API凭借其98%的采集成功率，为企业提供了强有力的数据支撑。
7400编辑于 2026-02-10 构建电商大数据能力：亚马逊数据采集方案的架构选型与实践
这类服务的代表就是Pangolin Scrape API这样的专业厂商。它们专门做数据采集，把技术难题都解决了，你只需要调用API接口就能获得高质量的结构化数据。 数据完整性方面，专用API和自建团队有优势，因为可以获取更深层次的数据结构。比如Pangolin API不仅能获取基础的商品信息，还能抓取完整的Customer Says数据，这对于竞品分析很重要。 建议与API服务商建立长期合作关系，这样不仅能获得更好的价格和技术支持，还能在产品规划上得到更多配合。Pangolin Scrape API：为什么值得选择说了这么多，该到重点了。 基于前面的全面对比，我为什么特别推荐Pangolin Scrape API呢？主要有几个原因。技术实力确实过硬Pangolin在Amazon数据采集这个领域确实做得很深入。 实际的技术集成从技术集成角度来看，Pangolin的API设计得还算合理。你需要先到他们网站（tool.pangolinfo.com）注册获取Token，然后就可以调用API了。
68910编辑于 2025-08-06云端数据采集实战：亚马逊ASIN数据获取的技术选型与架构设计
Pangolin Scrape API在Sponsored广告位采集方面表现尤为出色，成功率可以达到98%，这在行业内几乎没有竞争对手能够做到。为什么这么重要？ 成本效益分析我们以月采集10万个ASIN数据的企业级需求来算账：专业API成本：Pangolin Scrape API：约0.08元/次（json格式）月成本：10万 × 0.08 = 8000元无需额外技术人员维护数据准确率 企业级场景深度应用竞品监控自动化某家居用品公司使用Pangolin Scrape API建立了竞品价格监控系统，每小时更新一次核心产品价格。 选品数据支撑Pangolin Scrape API支持对某个一级类目下的全部商品进行遍历，商品获取率可达50%以上。这个能力特别适合开发AI选品工具或者建立行业数据集。 Pangolin Scrape API特别适合以下类型的用户：有一定规模的卖家：年销售额千万级以上，需要精细化运营有技术团队的公司：具备API集成能力，希望避免重复造轮子卖家工具开发商：需要稳定的数据源支撑产品功能希望差异化竞争的团队
48710编辑于 2025-08-18从 0 到 1 搭建亚马逊选品数据中台：基于 Scrape API 的全链路解决方案（含架构图 + 成本分析）
Pangolin Scrape API：重新定义Amazon数据获取标准在众多技术方案中，Pangolin Scrape API代表了Amazon数据采集领域的专业水准。 Pangolin支持通过精确参数控制来获取特定维度的Amazon数据。比如，你可以对Amazon某个一级类目下的全部商品进行系统性遍历，商品发现率可以达到50%以上。 Pangolin Scrape API在Amazon数据获取上的成本优势也很突出。由于技术架构优化到位，边际成本较低，通常比企业自建Amazon爬虫团队更具成本效益。 虽然Amazon选品API提供了更大的灵活性，但也意味着更多的技术维护工作。确保你的团队有足够的技术能力处理Amazon数据，或者选择像Pangolin这样提供完善技术支持的专业服务商。 无论是Pangolin Scrape API还是其他类似的Amazon数据解决方案，关键是要开始行动，开始改变。
43400编辑于 2025-08-15- 来自专栏devops探索
jenkins持续集成案例
/bin/bash basedir="/export/server/pangolin-server" DATE=`date "+%Y%m%d%H%M"` JAVA_BIN=`which java` #pangolin-service-eureka-0.0.1-SNAPSHOT.jar #nohup java -Xms128m -Xmx128m -jar pangolin-service-eureka dataimp \ eureka \ file \ reminder \ target \ zuul \ ) stop() { module_name=$1 jar_name="pangolin-service }/service/${module_name}-server -p fi } start() { module_name=$1 jar_name="pangolin-service
1.4K11发布于 2020-07-31 - 来自专栏hank
ubuntu 18.04, 编译运行ORB_SLAM3, 遇到错误Pangolin X11: Unable to retrieve framebuffer options。
/hankf/slam/pangolin2/Pangolin$ git branch master v0.3 v0.4 * v0.5 /proj/hankf/slam/pangolin2/Pangolin /slam/pangolin2/Pangolin$ gedit . /Pangolin$ cd build/ /proj/hankf/slam/pangolin2/Pangolin/build$ ls -l total 0 /proj/hankf/slam/pangolin2 /Pangolin/build /proj/hankf/slam/pangolin2/Pangolin/build$ make -j Scanning dependencies of target tinyobj /pangolin/pangolin.h -- Up-to-date: /usr/local/include/pangolin/utils -- Installing: /usr/local/include
2.3K10编辑于 2021-12-30 - 来自专栏hank
编译FFMpeg n4.2.5，OpenCV 4.5.4后，编译Pangolin v0.6成功。
编译FFMpeg n4.2.5，OpenCV 4.5.4后，编译Pangolin v0.6成功。 /Pangolin/components/pango_video/include/pangolin/video/drivers/ffmpeg_common.h: In function ‘std::__ cxx11::string pangolin::FfmpegFmtToString(AVPixelFormat)’: /home/hankf/proj/slam/Pangolin/components/ ~/proj/slam/Pangolin$ git branch * master ~/proj/slam/Pangolin$ git branch -a * master remotes/origin 0) set(PANGOLIN_VERSION_MINOR 6) set(PANGOLIN_VERSION ${PANGOLIN_VERSION_MAJOR}.
1.4K10编辑于 2022-03-23 - 来自专栏生信喵实验柴
变种病毒识别
利用 Pangolin 进行变种病毒鉴定 pangolin 用于对新冠病毒序列进行家系分析，目前已经将全球测序得到的新冠病毒序列进行了一套专门的家系分类术语，例如 B117，B1351，B.1.525 pangolin 官方网站截图，提供命令行工具和在线分析工具 如果只是分析少部分数据，安装软件比较麻烦，可以直接使用 pangolin 提供的在线工具，只需提交序列即可。 官方网址：https://cov-lineages.org/ 2 软件安装 本地使用 pangolin，可以直接安装 pangolin 软件，使用 conda 直接安装即可。 git clone https://github.com/cov-lineages/pangolin.git cd pangolin conda env create -f environment.yml #运行软件 conda activate pangolin pangolin ncov.fasta --alignment --outfile pangolin.csv 得到的csv文件可以搬去
57810编辑于 2022-04-07 亚马逊数据采集 API 架构设计：同步 vs 异步的规模化实践
logging.INFO)logger=logging.getLogger(__name__)#───配置─────────────────────────────────────────────────PANGOLIN_TOKEN ="your_api_token"ASYNC_API_URL="https://scrapeapi.pangolinfo.com/api/v1/scrape/async"SYNC_API_URL="https ,headers={"Authorization":f"Bearer{PANGOLIN_TOKEN}","Content-Type":"application/json"},json={"url":f"https ,headers={"Authorization":f"Bearer{PANGOLIN_TOKEN}","Content-Type":"application/json"},json={"url":f"https 实施建议任务量<100/天：直接使用同步API，开发成本最低，无需额外基础设施任务量100~1000/天：同步多线程或异步API均可，优先评估团队能否维护回调服务任务量>1000/天：异步API是唯一可持续的选择
6000编辑于 2026-04-14- 来自专栏啄木鸟软件测试
安全测试工具（连载6）
2.3 Pangolin Pangolin（穿山甲）一款帮助渗透测试人员进行SQL注入测试的安全工具。它能够通过一系列非常简单的操作，达到最大化的攻击测试效果。 Pangolin是目前国内使用率最高的SQL注入测试的安全软件，可以说是网站安全测试人员的必备工具之一。 1. 产品介绍 其特点如下。 l全面的数据库支持。 2．使用简介 打开Pangolin，在URL中输入可能存在SQL注入的地址，然后点击菜单栏下面的 开始按键，见41所示。 ? 41 Pangolin配置界面 接下来选择注入参数类型和数据库，然后选择注入后想知道的信息，最后点击Information下的【Go】按键，经过测试完毕，信息即被显示出来，见42所示。 ? 42 Pangolin信息显示界面 星云测试 http://www.teststars.cc 奇林软件 http://www.kylinpet.com 联合通测 http://www.quicktesting.net
92520发布于 2019-12-12 内网穿透工具开源项目汇总：轻松掌握热门主流内网穿透软件深度解析，快速实现自己本地局域网内网服务开放到外部访问
为了实现内网穿透，Pangolin需要做以下准备工作：Pangolin服务端开启TCPServer;Pangolin客户端启动TCPClient，与Pangolin服务端连接，得到socket长连接;Pangolin 客户端基于这个socket连接，开启HTTP/2Server;Pangolin服务端开启HTTP/1.1Server，等待浏览器来访问;实际的数据传输流程如下：浏览器向Pangolin服务端发起请求(HTTP /1.1);Pangolin服务端基于已有socket，向Pangolin客户端发起请求(HTTP/2);Pangolin客户端向内网WEB服务发起请求，得到响应(HTTP/1.1);Pangolin客户端基于已有 socket，将响应返回给Pangolin服务端(HTTP/2);Pangolin服务端将响应返回给浏览器(HTTP/1.1);六、Chisel快速隧道工具，通过HTTP协议在客户端和服务器之间创建TCP 家庭实验室与易用性：Pangolin。对于个人极客或家庭用户，Pangolin提供的精美UI和WireGuard带来的现代VPN体验极具吸引力，且无需担心商业许可限制。嵌入式/IoT：Rathole。
1.4K10编辑于 2026-01-14- 来自专栏Amazon 爬虫
亚马逊选品数据采集API架构解析：对比SaaS与自建爬虫的技术优劣
四、不同方案的综合对比分析为了更直观地展示三者的区别，我们从多个维度进行对比：比较维度SaaS工具自建爬虫数据采集API(Pangolin Scrape API)数据广度固定字段和页面可扩展，但需开发通常支持全平台 六、深度解析：一个优秀的亚马逊数据采集API应具备哪些特质？当决定采用 Scrape API方案时，如何评估一个API服务商的优劣？ 专业的API会提供针对电商场景的深度功能，例如，市面上一些领先的服务（如Pangolin Scrape API）可以做到： 极高的Sponsored广告采集率： 能够达到98%以上，这对于广告分析至关重要 这类工具（例如Pangolin的Data Pilot）通常允许用户通过简单的表单配置，就能完成复杂的采集任务，并自动生成可直接用于运营分析的Excel报表，极大地降低了整个团队使用数据的门槛。 而Pangolin 数据采集API，则在灵活性、时效性、数据深度与成本效益之间，为绝大多数成长型和成熟型卖家找到了最佳的平衡点。
1.2K10编辑于 2025-07-30 - 来自专栏运维
ELK分析ngx_lua_waf软件防火墙日志
=0.5440098259132355" "-" "Baidu-YunGuanCe-ScanBot(ce.baidu.com)" "(HTTrack|harvest|audit|dirbuster|pangolin =0.5440098259132355" "-" "Baidu-YunGuanCe-ScanBot(ce.baidu.com)" "(HTTrack|harvest|audit|dirbuster|pangolin 0.5440098259132355\" \"-\" \"Baidu-YunGuanCe-ScanBot(ce.baidu.com)\" \"(HTTrack|harvest|audit|dirbuster|pangolin " => "Baidu-YunGuanCe-ScanBot(ce.baidu.com)", "ruletag" => "(HTTrack|harvest|audit|dirbuster|pangolin
1.8K10发布于 2018-11-14 - 来自专栏全栈程序员必看
mse均方误差计算公式_视觉SLAM十四讲实践之真实轨迹和估计轨迹均方根误差「建议收藏」
window and plot the trajectory pangolin::CreateWindowAndBind("Trajectory Viewer", 1024, 768); glEnable (GL_DEPTH_TEST); glEnable(GL_BLEND); glBlendFunc(GL_SRC_ALPHA, GL_ONE_MINUS_SRC_ALPHA); pangolin:: pangolin::ModelViewLookAt(0, -0.1, -1.8, 0, 0, 0, 0.0, -1.0, 0.0) ); pangolin::View &d_cam = pangolin ::CreateDisplay() .SetBounds(0.0, 1.0, pangolin::Attach::Pix(175), 1.0, -1024.0f / 768.0f) .SetHandler(new pangolin::Handler3D(s_cam)); while (pangolin::ShouldQuit() == false) { glClear(GL_COLOR_BUFFER_BIT
3.4K10编辑于 2022-11-11
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号