Alternatives and similar repositories for codes-scratch-crawler:

Users that are interested in codes-scratch-crawler are comparing it to the libraries listed below

• 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
  ☆77Updated 11 years ago
• shenbaise / goodcrawler
  网络爬虫
  ☆51Updated 11 years ago
• QiuMing / zhihuWebSpider
  知乎爬虫，基于webmagic框架 .A java web spider base on webmagic.
  ☆69Updated 8 years ago
• yxjay / SearchEngine-base-on-ElasticSearch-nutch-SSM
  基于Nutch+ElasticSearch+MySQL+SSM的简易搜索引擎
  ☆20Updated 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
• iamccme / weibo-mining
  微博情感分析
  ☆12Updated 11 years ago
• garyudeng / Crawer
  各大电商网站数据抓取分析
  ☆33Updated 11 years ago
• out0fmemory / GuozhongCrawler
  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…
  ☆95Updated 10 years ago
• JueFan / RecommendSystem
  推荐系统相关代码
  ☆23Updated 10 years ago
• wgybzbrobot / sentiment-search
  舆情搜索服务框架，其中lucene和solr版本为4.8。
  ☆61Updated 9 years ago
• ssjssh / javaalgorithm
  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…
  ☆48Updated 10 years ago
• wo4li2wang / MSpider
  基于词频密度过滤、利用百度、谷歌、搜搜、360搜索4个引擎为种子来源的多线程爬虫，结果存入mysql。
  ☆97Updated 11 years ago
• javagaorui5944 / ProxyIpPool
  The Crawler Proxy IP Pool Component
  ☆63Updated 2 years ago
• yinchuandong / DistributedCrawler
  java分布式爬虫，主机和从机控制的机制
  ☆14Updated 9 years ago
• mayanhui / zh-solr-se
  Search Engine for Chinese base on Solr（基于solr的中文搜索引擎框架）
  ☆27Updated 12 years ago
• drogba321 / easy-recommender
  个性化推荐算法的通用处理框架，基于Mahout和Lucene
  ☆18Updated 9 years ago
• yangguang2014 / distributedCrawler
  华南理工大学高英实验室进行的分布式爬虫项目,除了实验室内部人员外,不得私自传播.
  ☆21Updated 10 years ago
• linger2012 / recommendation-algorithm-implemented-by-java
  推荐算法
  ☆30Updated 9 years ago
• thegodofwar / Spider
  利用HttpClient4+实现网络小说爬虫，可动态添加热门的小说网站
  ☆31Updated 12 years ago
• gh289054531 / machine_learning_and_data_mining
  常见数据挖掘和机器学习算法
  ☆33Updated 11 years ago
• shamphone / jigsaw-nlp
  本项目转移到https://github.com/cocolian/cocolian-nlp
  ☆34Updated 10 years ago
• zongtui / zongtui-webcrawler
  基于hadoop思维的分布式网络爬虫。
  ☆86Updated 9 years ago
• reallin / Bayes
  用java实现的贝叶斯分类算法。用于大数据的分类。
  ☆41Updated 9 years ago
• ysc / short-text-search
  自定制的精准短文本搜索服务
  ☆18Updated 3 years ago
• chensoul / grab
  基于spark、mahout和spring boot构建的推荐系统
  ☆131Updated 3 weeks ago
• ParadeTo / MessageQueue
  基于Flume、Kafka、SparkSql模拟的实时日志分析系统
  ☆12Updated 9 years ago
• ddviplinux / crawler-framework
  分布式爬虫框架,基于webdrvier模拟用户请求,kafka消息传递,分布式网页存储使用hbase,task异步任务多线程解析,提供基础服务如:proxy ip服务和号码验证服务等, proxy page使用H5和we版进行接入
  ☆13Updated 9 years ago
• tigerxue / ghost-login
  ☆28Updated 8 years ago
• abel533 / SearchEngine
  简单搜索引擎例子
  ☆83Updated 8 years ago
• yxlHuster / news-duplicated
  文本去重算法，研究自推荐系统中新闻的去重，采用了雅虎的Near-duplicates and shingling算法，服务端用c实现，客户端用java实现，利用thrift框架进行通信，为了提高扩展性，去重可以在服务端实现，服务器也提供了计算的接口，方便客户端自己扩展
  ☆24Updated 11 years ago