ysc / search
元搜索引擎
☆226Updated 7 years ago
Related projects ⓘ
Alternatives and complementary repositories for search
- 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
- a simple distributed spider in Java. Java编写的一个简单分布式爬虫☆159Updated 11 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
- Pure java realize search engine, try to directly hit the user's search for answers.☆340Updated 6 years ago
- A Sample SearchEngine☆76Updated 5 years ago
- 简单搜索引擎例子☆84Updated 8 years ago
- 知乎爬虫，基于webmagic框架 .A java web spider base on webmagic.☆68Updated 8 years ago
- 使用WebMagic抓取招聘信息，并且持久化到Mysql的例子。☆225Updated 8 years ago
- nutcher是中文的nutch文档，包含nutch的配置和源码解析，持续更新中。☆129Updated 5 years ago
- 网络爬虫☆51Updated 10 years ago
- 舆情搜索服务框架，其中lucene和solr版本为4.8。☆60Updated 8 years ago
- java 基于selenium抓取搜狗微信公众号文章☆47Updated 9 years ago
- 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。☆157Updated 6 years ago
- 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
- 自动抽取网页正文的算法，用JAVA实现☆107Updated 7 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
- 一个简易的搜索引擎，采用Java开发☆33Updated 10 years ago
- 一个简单、敏捷、分布式的支持SpringBoot的Java爬虫框架;An agile, distributed crawler framework.☆1,980Updated last year
- 使用Java的WebCollector爬虫框架采集网易云音乐5亿首歌☆103Updated 7 years ago
- 采用jfinal和amazeui搭建的个人博客，前端UI：Amaze UI，框架：jfinal2.2。支持移动端自动适配。目前处于测试阶段。目前拥有模块：博客，美图，视频，有强大的前台和后台管理功能，博主会持续更新其他模块。线上部署地址为www.liuyunfei.cn，欢…☆52Updated 8 years ago
- 常见数据挖掘和机器学习算法☆33Updated 11 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
- 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
- jsearch：高性能的全文检索工具包☆92Updated 7 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
- 基于词典的负面舆情信息评分算法。☆25Updated 9 years ago
- 数据虫巢官网(mite8.com)站点源码，包括站点基础数据爬取代码，以及重构的NLP分词工具等。☆48Updated 7 years ago
- The Crawler Proxy IP Pool Component☆65Updated 2 years ago
- TsinghuaX: 60240202X 大数据平台核心技术, 阿里云和清华大学在学堂在线上系列课程☆68Updated 8 years ago