Alternatives and similar repositories for ContentExtractor

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

• ysc / HtmlExtractor
  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。
  ☆155Updated 6 years ago
• zongtui / zongtui-webcrawler
  基于hadoop思维的分布式网络爬虫。
  ☆86Updated 9 years ago
• CrawlScript / nutcher
  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
• xautlx / nutch-htmlunit
  基于Apache Nutch和Htmlunit的扩展实现AJAX页面爬虫抓取解析插件
  ☆124Updated 10 years ago
• hankcs / TextRank
  TextRank算法提取关键词的Java实现
  ☆203Updated 10 years ago
• NLPchina / SinaMicroBlogCrawl
  新浪微博模拟登陆2014-04-01版
  ☆22Updated 11 years ago
• xautlx / nutch-ajax
  Apache Nutch Plugins for AJAX page fetch, parse, index
  ☆88Updated 7 years ago
• luohaha / jlitespider
  A lite distributed Java spider framework :-)
  ☆145Updated 8 years ago
• yinchuandong / JavaVerify
  A Java CAPTCHA recognition library for sticky characters
  ☆207Updated 10 years ago
• QiuMing / zhihuWebSpider
  知乎爬虫，基于webmagic框架 .A java web spider base on webmagic.
  ☆69Updated 9 years ago
• shenbaise / goodcrawler
  网络爬虫
  ☆52Updated 11 years ago
• NLPchina / nlp_china_web
  nutz+jetty+h2 做的一个web应用
  ☆40Updated 9 years ago
• ysc / superword
  Superword is a Java open source project dedicated in the study of English words analysis and auxiliary reading.
  ☆269Updated 2 years ago
• letcheng / ProxyPool
  针对反爬虫问题的自动代理池组件
  ☆78Updated 8 years ago
• shamphone / jigsaw-nlp
  本项目转移到https://github.com/cocolian/cocolian-nlp
  ☆34Updated 11 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
  ☆74Updated 11 years ago
• ysc / rank
  rank是一个seo工具，用于分析网站的搜索引擎收录排名。
  ☆67Updated 8 years ago
• iamxiatian / xsimilarity
  相似度计算软件包
  ☆190Updated last year
• 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
• isee15 / captcha-ocr
  java decaptcha
  ☆142Updated 4 years ago
• zhegexiaohuozi / SeimiAgent
  A headless,standalone webkit server which make grabing dynamic web page easier.
  ☆224Updated 6 years ago
• matuobasyouca / spider
  a simple distributed spider in Java. Java编写的一个简单分布式爬虫
  ☆159Updated 12 years ago
• ml-distribution / analyzer-profile
  多种分词器的封装，重点修改了原IK/MMSeg4j分词器，增加分词器对象共享池和Lucene/Solr封装，其中Lucene/Solr版本为5.5.0。
  ☆30Updated 8 years ago
• ysc / jsearch
  jsearch：高性能的全文检索工具包
  ☆92Updated 8 years ago
• shirdrn / document-processor
  Document preprocessing for preparing formatted input data which is suitable for LibSVM tool.
  ☆50Updated 8 years ago
• doushini / lucene
  lucene实现web项目近实时搜索【solr和NRTManager、SearcherManager】
  ☆65Updated 9 years ago
• luckterry7 / doubanMovieCrawler
  doubanMovieCrawler,for collecting lastest movie
  ☆49Updated 8 years ago
• awnuxkjy / recommend-system
  recommend system study
  ☆67Updated 11 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
• allwefantasy / ServiceFramework
  Java MVC framework, agile, fast, rich domain model, made especially for server side of mobile application (一个敏捷，快速，富领域模型的Java MVC 框架，专为 移…
  ☆545Updated last year