Alternatives and similar repositories for Simhash-

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

• naiveliberty / Toutiao_Spider
  今日头条新闻详情页面爬取，逆向 Cookies 中 __ac_signature 生成过程
  ☆33Updated 5 years ago
• striver-ing / distributed-spider
  通用新闻类网站分布式爬虫
  ☆79Updated 7 years ago
• Henryhaohao / Wenshu_Spider
  Wenshu_Spider-Scrapy框架爬取中国裁判文书网案件数据(2019-1-9最新版)
  ☆201Updated 7 years ago
• Gerapy / GerapyAutoExtractor
  Auto Extractor Module
  ☆334Updated last year
• sixs / wenshu_spider
  中国裁判文书网爬虫(2018-08-28更新)
  ☆352Updated 3 years ago
• zc3945 / caipanwenshu
  裁判文书网爬虫demo，2020-04-23更新
  ☆86Updated 5 years ago
• 1YCxZ / Fake-review-generation
  无监督中文仿真评论自动生成。 Unsupervised Automatic Generation of Chinese Fake Reviews.
  ☆84Updated 6 years ago
• nciefeiniu / wenshu
  🚀🚀文书网cookie获取 2020-08-23 依旧可行。（已终结）
  ☆51Updated 5 years ago
• kiwirafe / xiangsi
  中文文本相似度计算器
  ☆169Updated last year
• CuiYongen / DuplicateChecking
  基于 Simhash 的论文查重系统
  ☆82Updated 3 years ago
• zhaoboy9692 / qccspider
  企查查企业信息爬虫 ，企查查app每日新增企业抓取,可以进行每日的增量抓取、企业数据、工商数据等等。
  ☆333Updated 3 years ago
• Leon406 / wenshukt
  裁判文书网 Android App 详情及列表接口,2021/6/9加入用户校验, 列表接口失效, 但详情接口仍可用, 项目不再进行维护
  ☆50Updated 4 years ago
• shibing624 / addressparser
  中文地址提取工具，支持中国三级区划地址（省、市、区）提取和映射，支持地址热力图绘制。
  ☆240Updated last year
• liuhuanyong / ImportantEventExtractor
  An exploration for Eventline (important news Rank organized by pulic time)，针对某一事件话题下的新闻报道集合，通过使用docrank算法，对新闻报道进行重要性识别，并通过新闻报道时间挑选出时间线上重要…
  ☆226Updated 7 years ago
• haibincoder / ToutiaoCrawler
  今日头条爬虫，主要爬取关键词搜索结果，包含编辑距离算法、奇异值分解、k-means聚类。
  ☆71Updated 6 years ago
• inlike / CookiePool
  一个强大的Cookie池项目，融合scrapy/requests/chrome储存cookie/cookie字符串/selenium等cookie形式
  ☆233Updated 5 years ago
• LongYosef / corpredit
  国家企业信用信息官网爬虫，未获取全部企业信息，重点在设计反爬思路
  ☆67Updated 7 years ago
• Chinese-boy / Many-Translaters
  谷歌翻译，360翻译，iCIBA翻译，有道翻译，免费API
  ☆188Updated 3 years ago
• guoxw / wenshu-
  裁判文书数据-增量更新
  ☆41Updated 5 years ago
• sml2h3 / mmewmd_crack_for_wenshu
  文书网MmEwMd参数破解
  ☆476Updated 3 months ago
• speciallurain / CNKI_Patent_SVM
  文本分类是指在给定分类体系下 , 根据文本的内容自动确定文本类别的过程。首先我们根据scrapy爬虫根据中国知网URL的规律，爬取70多万条2014年公开的发明专利，然后通过数据清洗筛选出了60多万条含标签数据。通过TF-IDF对60多万条本文进行词频提取，依照词频排序提取…
  ☆108Updated 7 years ago
• 695573425 / TDTSystem
  基于新浪微博的面向食品安全的舆情话题检测与追踪系统
  ☆13Updated 3 years ago
• yuzhiyizhan / Bearcat_captcha
  熊猫识别不定长验证码,基于tensorflow2.2(tensorflow2.3也可以运行)轻松就能练出不错的模型
  ☆70Updated 2 years ago
• OSinoooO / MeituanSpider
  美团爬虫，基于scrapy_redis
  ☆22Updated 6 years ago
• Python3WebSpider / ScrapyRedisBloomFilter
  Scrapy Redis Bloom Filter
  ☆178Updated 4 years ago
• wangyulu1993 / ranqi_word_split
  借助jieba分词库和与之相关的算法。用于测试对非规范地址的分析、试分词，并进一步设计数据清洗算法 。
  ☆37Updated 9 years ago
• henrylee123 / baiduIndexCrawler
  百度指数（百度热搜爬虫）（js破解版）
  ☆14Updated 6 years ago
• Johnson0722 / News_scrapy_redis
  ☆31Updated 7 years ago
• hahaha108 / MyNews
  基于scrapy-redis的分布式新闻爬虫，可同时获取腾讯、网易、搜狐、凤凰网、新浪、东方财富、人民网等各大平台新闻资讯
  ☆47Updated 7 years ago
• Boris-code / boris-spider
  boris-spider是一款使用Python语言编写的爬虫框架，于多年的爬虫业务中不断磨合而诞生，相比于scrapy，该框架更易上手，且又满足复杂的需求，支持分布式及批次采集。
  ☆85Updated 4 years ago