Alternatives and similar repositories for SohuSpider-Java:

Users that are interested in SohuSpider-Java are comparing it to the libraries listed below

• Harhao / toutiao
  今日头条科技新闻接口爬虫
  ☆17Updated 7 years ago
• gsh199449 / DistributeCrawler
  基于Map/Reduce爬虫,可抽取各大新闻网站的新闻正文并进行分类和聚类
  ☆76Updated 11 years ago
• fmyblack / textClassify
  此文本分类项目主要面向机器学习初学者和文本分类效果测试者，项目内部含有朴素贝叶斯，余弦定理，逻辑回归多种分类算法以及mm，rmm分词器，同时从某新闻站点爬取了多个分类共6000多篇文章，以及一个中文词典。项目方便自由拓展各种分类器和分词器，并通过组装测试分类效果。
  ☆35Updated 7 years ago
• cor-right / weibo1.0-API
  微博数据展示与舆情监控系统后台API
  ☆66Updated 6 years ago
• duoan / codes-scratch-crawler
  读书笔记《自己动手写网络爬虫》，自己敲的代码。主要记录了网络爬虫的基本实现，网页去重的算法，网页指纹算法，文本信息挖掘
  ☆47Updated 10 years ago
• seawaylee / doubanWebSpider
  豆瓣爬虫 爬取热门标签、图书信息、图书评论 系统架构 Webmagic+SSM+Redis+Mysql+ActiveMQ+Druid
  ☆44Updated 5 years ago
• Chen188 / JDRecommendation
  京东商品推荐系统-数据爬虫
  ☆18Updated 9 years ago
• cqbc / Graduation-Design
  网络舆情爬虫 实现元搜索(MetaSearch)和随机URL(主要是五大门户网站)的抓取。
  ☆13Updated 8 years ago
• erliang20088 / TianLiangSpider4YuQing
  天亮舆情系统之天亮舆情采集器，基于master/slave结构开发的分布采集器系统
  ☆22Updated 2 years ago
• qzw1210 / jeecmsv6_maven
  JEECMS是一款基于JAVA技术研发的站群管理系统。 1、支持大规模网站群管理； 2、跨站全文检索、数据共享； 3、微官网/手机网站同步建设； 4、高效二次开发的插件化管理 5、支持可视化模板制作；
  ☆25Updated 8 years ago
• DWJWendy / mafengwo_spider
  马蜂窝旅游数据，包括酒店、美食、景点的评论数据以及游记数据
  ☆47Updated 7 years ago
• yxjay / SearchEngine-base-on-ElasticSearch-nutch-SSM
  基于Nutch+ElasticSearch+MySQL+SSM的简易搜索引擎
  ☆19Updated 8 years ago
• ml-distribution / negative-sentiment
  基于词典的负面舆情信息评分算法。
  ☆26Updated 10 years ago
• linyiqun / opinion-mining-system
  新闻评论观点挖掘系统，粗粒度的分析出新闻网评观点的倾向和走势
  ☆53Updated 9 years ago
• tankle / newscrawler
  新闻网站爬虫,目前能够爬取网易，新浪，qq，搜狐等三家网站的新闻页面，并保存到本地。
  ☆34Updated 9 years ago
• liyifeng1994 / xfshxzs
  小锋生活小助手——JAVA开发的基于爬虫和API实现的查询类微信公众号
  ☆31Updated 6 years ago
• df19900725 / HFUTUtils
  这是一个工具程序集合，方便我们平时对数据进行预处理。针对文本处理的内容较多。包括分词（集成了张华平分词、结巴分词）、文件处理增强（如读取文本到Map中，保存文本到Map）和语料模型（把文档转换成矩阵，就算单词数量等）
  ☆21Updated 5 months ago
• ylxfc / WebSpider
  一个简易的搜索引擎，采用Java开发
  ☆33Updated 11 years ago
• zengxiaosen / eshop
  电商+大数据+spark机器学习
  ☆17Updated 7 years ago
• shanyao19940801 / douban-spider
  一个基于java的多线程爬虫项目,拜读了《并发变成实战》以及《并发编程艺术》后决定写个项目来巩固一下学到的东西.
  ☆28Updated 2 years ago
• nladuo / lianjia_crawler
  学习scrapy，爬取链家网北京二手房信息并进行数据可视化。
  ☆19Updated 7 years ago
• bcqtt / article-spider
  1、支持网页爬虫 2、多线程、线程池 3、支持全文搜索 4、支持Hadoop分布式平台、HDFS/MapReduce、Zookeeper、HBase 5、支持redis分布式缓存 6、集成微信公众号开发 7、Spring4新特性 8、ActiveMQ 9、Nginx详细配置…
  ☆16Updated 2 years ago
• a252937166 / toutiaocrawler
  头条号爬虫案例
  ☆33Updated 5 years ago
• xhuanghun / SmartOffice
  智慧办公室就是以办公室为平台，兼具办公室环境、办公、设备信息化、设 备智能化、考勤自动化、办公智能化，集系统、结构、服务、管理、监督于一体， 具有高效、安全、便利等特点，依托计算机科学以及网络通信技术，将办公与各 种控制子系统灵巧地综合为一个有机体系，形成一个高度集成的有可…
  ☆21Updated 8 years ago
• killstanding / FinanceCrawler
  金融数据爬虫
  ☆28Updated 9 years ago
• szwork2013 / elasticsearch-sentiment
  基于ElasticSearch的分布式舆情检索统计服务。
  ☆11Updated last year
• furyphoenix / emailanalyzer
  邮件分析系统。包括邮件导入导出、正文与附件内容检索、来往分析、邮件溯源、要素（命名实体）自动提取检索分析、邮件网络分析、发件规律分析、社团分析等系列功能。
  ☆37Updated 8 years ago
• kobeyk / spring-boot-neo4j
  spring-boot集成neo4j图形数据库，并实现简单的节点创建和查询
  ☆39Updated 6 years ago
• lxf44944 / sinaNews_crawler
  新浪新闻爬虫
  ☆14Updated 10 years ago
• guangxush / WorkQueue
  线程池+消息队列缓存 批量处理高并发任务
  ☆13Updated 5 years ago