QiuMing / zhihuWebSpiderLinks
知乎爬虫，基于webmagic框架 .A java web spider base on webmagic.
☆69Updated 9 years ago
Alternatives and similar repositories for zhihuWebSpider
Users that are interested in zhihuWebSpider are comparing it to the libraries listed below
Sorting:
- a simple distributed spider in Java. Java编写的一个简单分布式爬虫☆159Updated 12 years ago
- 使用WebMagic抓取招聘信息，并且持久化到Mysql的例子。☆225Updated 9 years ago
- 舆情搜索服务框架，其中lucene和solr版本为4.8。☆61Updated 10 years ago
- 个人收集的觉得不错的技术站点或技术博客☆219Updated 8 years ago
- 基于hadoop思维的分布式网络爬虫。☆85Updated 9 years ago
- A lite distributed Java spider framework :-)☆146Updated 8 years ago
- 模仿Java标准库的一些API实现的算法库，包括了数据结构，字符串处理（StringBuilder），图（有向图）。原来是用Python实现的，但是Python实现的并没有经过完整的测试，不能够保证完全的正确性。 使用Java实现的集合库都经过完整的测试，实际上，我在实现的…☆49Updated 10 years ago
- 使用java+httpclient+httpcleaner，多线程、分布式爬去电商网站商品信息，数据存储在hbase上，并使用solr对商品建立索引，使用redis队列存储一个共享的url仓库；使用zookeeper对爬虫节点生命周期进行监视等。☆233Updated 5 years ago
- nutcher是中文的nutch文档，包含nutch的配置和源码解析，持续更新中。☆130Updated 6 years ago
- lucene实现web项目近实时搜索【solr和NRTManager、SearcherManager】☆65Updated 10 years ago
- 可能是最好用的微信公众号Java开发包☆109Updated 9 years ago
- 网络爬虫☆51Updated 11 years ago
- 集群高可用架构整理☆50Updated 9 years ago
- jsearch：高性能的全文检索工具包☆94Updated 8 years ago
- 工作中积累的工具类☆85Updated 7 years ago
- 🐝 Web vertical crawler framework for fun☆192Updated 2 years ago
- spring+springmvc+mybatis+maven+freemarker 能跑通的小例子，尽量通俗易懂☆80Updated 9 years ago
- 还在羡慕BAT，京东等公司的大流量的架构吗？让你的java系统引用解耦，互相独立,commonrpc 就可以办到。commonrpc 是一个以netty为基础，spring 自定义shcema为基础标签的rpc框架,不侵入任何业务代码，一个高性能分布式rpc框架，支持tcp…☆100Updated 10 years ago
- spring+rabbitmq的简单demo☆40Updated 9 years ago
- 基于dubbo的一个分布式项目demo☆102Updated 8 years ago
- 关于Java Design Pattern (设计模式) 学习积累的例子，是初学者及设计模式巩固的最佳实践。☆164Updated 3 years ago
- 互联网架构 SOA（Dubbo）+配置中心（ZK）+消息中间件MQ（RocketMq）+高速缓存（Redis）互联网架构☆65Updated 8 years ago
- SpringMVC+Mybatis 脚手架☆92Updated 8 years ago
- 基于Apache Nutch和Htmlunit的扩展实现AJAX页面爬虫抓取解析插件☆125Updated 10 years ago
- 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☆74Updated 12 years ago
- Apache Nutch Plugins for AJAX page fetch, parse, index☆88Updated 7 years ago
- 新浪微博爬虫，采用Java语言开发，基于HTTPClient 4.0，采用MySQL存储爬取数据，支持多进程并发执行。功能包括：爬取微博、评论、转发、关注列表（层次）。根据数据需求，持续更新...☆356Updated 11 years ago
- 基于WebMagic写的一个csdn博客小爬虫☆91Updated 7 years ago
- HtmlExtractor是一个Java实现的基于模板的网页结构化信息精准抽取组件。☆156Updated 7 years ago
- GuozhongCrawler的是一个无须配置、便于二次开发的爬虫开源框架，它提供简单灵活的API，只需少量代码即可实现一个爬虫。其设计灵感来源于多个爬虫国内外爬虫框架的总结。采用完全模块化的设计，功能覆盖整个爬虫的生命周期(链接提取、页面下载、内容抽取、持久化)，支持多线…☆100Updated 10 years ago