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 10 years ago
Related projects ⓘ
Alternatives and complementary repositories for MSpider
- 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…☆96Updated 9 years ago
- The Crawler Proxy IP Pool Component☆65Updated 2 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
- java 基于selenium抓取搜狗微信公众号文章☆47Updated 8 years ago
- 各大电商网站数据抓取分析☆31Updated 11 years ago
- 针对反爬虫问题的自动代理池组件☆79Updated 7 years ago
- 网络爬虫☆50Updated 10 years ago
- 知乎爬虫，基于webmagic框架 .A java web spider base on webmagic.☆68Updated 8 years ago
- 新型的免登录微博爬虫，自动获取Cookie直接进行抓取和解析微博数据，免去了账号登录的过程，彻底摆脱账号被封的困扰☆36Updated 7 years ago
- 网络站群内容管理系统☆29Updated 2 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
- 拉勾网数据爬虫☆32Updated 7 years ago
- 一个简易的搜索引擎，采用Java开发☆33Updated 10 years ago
- 自动抽取网页正文的算法，用JAVA实现☆107Updated 7 years ago
- 社交化导购平台☆36Updated 5 years ago
- 反网页爬虫系统☆38Updated 9 years ago
- 基于hadoop思维的分布式网络爬虫。☆87Updated 8 years ago
- 提取新闻、博客等长文本网页的正文工具☆40Updated 8 years ago
- 新浪微博搜索工具☆44Updated 11 years ago
- 利用HttpClient4+实现网络小说爬虫，可动态添加热门的小说网站☆29Updated 12 years ago
- 极客屋是极客们的社区。在这里大家能够多多分享自己正在做的有趣事物、最近的学习、交流想法，在这里找到朋友认识更多有趣的人。☆26Updated 6 years ago
- Java版微信机器人☆14Updated 8 years ago
- 使用Java的WebCollector爬虫框架采集网易云音乐5亿首歌☆104Updated 7 years ago
- 分布式多媒体共享平台，个人毕业设计的系统，采用分布式系统构架，保证服务的稳定性。项目wiki文档：https://github.com/wu560130911/MultimediaDesktop/wiki☆102Updated 6 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
- 网络舆情爬虫 实现元搜索(MetaSearch)和随机URL(主要是五大门户网站)的抓取。☆13Updated 8 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
- 基于Apache Nutch和Htmlunit的扩展实现AJAX页面爬虫抓取解析插件☆123Updated 9 years ago