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)，支持多线程抓取，分布式抓取，并支持自动重试，定制执行js、自定义cookie等功能。在处理网站抓取多次后被封IP的问题上，guozhongCrawler采用动态轮换IP机制有效防止IP被封。另外，源码中的注释及Log输出全部采用通俗易懂的中文。让初学者能有更加深刻的理解
☆96Updated 9 years ago
Related projects ⓘ
Alternatives and complementary repositories for GuozhongCrawler
- 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 10 years ago
- The Crawler Proxy IP Pool Component☆65Updated 2 years ago
- 工作中积累的工具类☆85Updated 6 years ago
- 网络爬虫☆51Updated 10 years ago
- 针对反爬虫问题的自动代理池组件☆79Updated 7 years ago
- 知乎爬虫，基于webmagic框架 .A java web spider base on webmagic.☆68Updated 8 years ago
- 爬虫代理IP池服务，可供其他爬虫程序通过restapi获取☆114Updated 2 years ago
- java 基于selenium抓取搜狗微信公众号文章☆47Updated 9 years ago
- 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 9 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☆76Updated 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。☆231Updated 4 years ago
- rank是一个seo工具，用于分析网站的搜索引擎收录排名。☆66Updated 7 years ago
- 各大电商网站数据抓取分析☆31Updated 11 years ago
- 舆情搜索服务框架，其中lucene和solr版本为4.8。☆60Updated 8 years ago
- a simple distributed spider in Java. Java编写的一个简单分布式爬虫☆159Updated 11 years ago
- 反网页爬虫系统☆38Updated 9 years ago
- 蜂巢爬虫系统 是一套只需要定义XPath，就可实现爬取网站,APP的系统, 支持多种解析方式（XPath,正则表达式），多种下载方式（HttpClient库, PhantomJs, Selenium）,多种输出方式（Excel，MongoDB）。 可不做任何修改发布到Yar…☆5Updated 7 years ago
- 利用spring boot + webmagic 开发的java爬虫系统☆62Updated 7 years ago
- java 验证码识别 svm☆34Updated 9 years ago
- 整合使用selenium+phantomjs+WebCollector爬取京东数据，并做数据持久化。☆49Updated 7 years ago
- 豆瓣电影爬虫——a crawler which is able to crawl movie detail and short comments, save them to database mysql, also include Sentiment analysis ba…☆68Updated 5 years ago
- 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
- 开源免费Java Swing C/S版本12306订票助手☆100Updated 9 years ago
- 提取新闻、博客等长文本网页的正文工具☆40Updated 8 years ago
- 拉勾网数据爬虫☆32Updated 7 years ago
- 常用的API接口调用（Java）☆24Updated 8 years ago
- 一个功能类似淘宝商城的销售门户网站,包含前台商品分类展示查询,搜索,用户注册评价留言,下订单,查询订单;后台用户角色权限,商品,厂家,留言评价,新闻广告订单管理...☆95Updated 11 years ago
- 基于hadoop思维的分布式网络爬虫。☆87Updated 8 years ago