Alternatives and similar repositories for XSExtractor

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

• hfut-dmic / ContentExtractor
  自动抽取网页正文的算法，用JAVA实现
  ☆106Updated 8 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
• weizetao / spider-roach
  分布式定向抓取集群
  ☆71Updated 7 years ago
• LiuRoy / spider_docker
  为爬虫引用创建container，包括的模块：scrapy, mongo, celery, rabbitmq
  ☆37Updated 9 years ago
• zongtui / zongtui-webcrawler
  基于hadoop思维的分布式网络爬虫。
  ☆86Updated 9 years ago
• iamccme / weibo-mining
  微博情感分析
  ☆12Updated 11 years ago
• netxfly / dianying
  中国主流在线电影网站爬虫及搜索web代码
  ☆34Updated 10 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
  ☆77Updated 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
• 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
• zhisheng17 / Python-Projects
  some projects of python during my study
  ☆49Updated 8 years ago
• wanghuafeng / e-business
  电商爬虫系统：京东，当当，一号店，国美爬虫（代理使用）；论坛、新闻、豆瓣爬虫
  ☆106Updated 7 years ago
• dingyaguang117 / ImageRecognizeOf58
  58同城图片验证码识别
  ☆57Updated 9 years ago
• duoan / codes-scratch-crawler
  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 10 years ago
• mazzzystar / BaiduCrawler
  Sample of using proxies to crawl baidu search results.
  ☆118Updated 7 years ago
• ClericPy / Spider_on_Tianmao_and_Taobao
  已废弃。 Spiders on Tianmao Taobao JingDong。停止更新
  ☆58Updated 8 years ago
• leafney / wxSpider
  搜狗微信公众号文章爬虫
  ☆19Updated 8 years ago
• az0ne / WEIBO_USER_DATA
  一个以前的项目 收集了20W新浪微博用户的数据 可以用于数据分析
  ☆28Updated 9 years ago
• multiangle / Distributed_Microblog_Spider
  分布式新浪微博爬虫
  ☆31Updated 8 years ago
• tankle / newscrawler
  新闻网站爬虫,目前能够爬取网易，新浪，qq，搜狐等三家网站的新闻页面，并保存到本地。
  ☆35Updated 9 years ago
• LxiaoGirl / MysqlToElasticsearch
  用于分库分表，表结构完全相同情况下从Mysql数据到导入数据到Elasticsearch搜索引擎。
  ☆22Updated 9 years ago
• brantou / crawler
  爬虫, http代理, 模拟登陆!
  ☆108Updated 7 years ago
• da2vin / Spider_index
  爬取百度指数和阿里指数，采用selenium，存入hbase，验证码自动识别，多线程控制
  ☆32Updated 8 years ago
• ClericPy / EC-Spider
  Obsolete 已废弃.
  ☆86Updated 8 years ago
• letcheng / ProxyPool
  针对反爬虫问题的自动代理池组件
  ☆78Updated 8 years ago
• wemakebug / Knowledge
  基于知识图谱技术的搜素引擎研发
  ☆19Updated 8 years ago
• shenbaise / goodcrawler
  网络爬虫
  ☆51Updated 11 years ago
• hailong0707-zz / spider_news_all
  Scrapy Spider for 各种新闻网站
  ☆108Updated 9 years ago
• qwIvan / 5184CAPTCHA
  识别5184验证码
  ☆79Updated 9 years ago
• A1014280203 / Ugly-Distributed-Crawler
  基于Redis实现的简单到爆的分布式爬虫
  ☆46Updated 7 years ago