zhou1hang / crawlerLinks
基于selenium封装chrome、firefox、phantomjs等实现
☆14Updated 8 years ago
Alternatives and similar repositories for crawler
Users that are interested in crawler are comparing it to the libraries listed below
Sorting:
- 新浪微博搜索工具☆45Updated 12 years ago
- 使用Java的WebCollector爬虫框架采集网易云音乐5亿首歌☆104Updated 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☆74Updated 12 years ago
- 这是一个工具程序集合，方便我们平时对数据进行预处理。针对文本处理的内容较多。包括分词（集成了张华平分词、结巴分词）、文件处理增强（如读取文本到Map中，保存文本到Map）和语料模型（把文档转换成矩阵，就算单词数量等）☆21Updated last year
- FoolNLTK java version☆85Updated 7 years ago
- 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
- TextRank算法提取关键词的Java实现☆205Updated 10 years ago
- A opensource Java library for converting Chinese to Pinyin.☆59Updated 8 years ago
- 中文分词、统计词频、比对文本相似度☆40Updated 6 years ago
- 基于hadoop和hive的微博热词跟踪系统☆27Updated 8 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 11 years ago
- 元搜索引擎☆233Updated 8 years ago
- 网络爬虫☆51Updated 11 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…☆100Updated 10 years ago
- 自动抽取网页正文的算法，用JAVA实现☆111Updated 8 years ago
- The Crawler Proxy IP Pool Component☆70Updated 3 years ago
- 此文本分类项目主要面向机器学习初学者和文本分类效果测试者，项目内部含有朴素贝叶斯，余弦定理，逻辑回归多种分类算法以及mm，rmm分词器，同时从某新闻站点爬取了多个分类共6000多篇文章，以及一个中文词典。项目方便自由拓展各种分类器和分词器，并通过组装测试分类效果。☆37Updated 8 years ago
- Simhash Java单机实现☆115Updated 3 years ago
- 爬虫代理IP池服务，可供其他爬虫程序通过restapi获取☆116Updated 3 years ago
- 使用Spark NaiveBayes 实现中文文本分类 use spark NaiveBayes for text classifi…☆26Updated 7 years ago
- 基于hadoop思维的分布式网络爬虫。☆85Updated 9 years ago
- 新闻评论观点挖掘系统，粗粒度的分析出新闻网评观点的倾向和走势☆53Updated 10 years ago
- 中文分词算法实现(实现了中英文混合分词) jcseg dic☆16Updated 7 years ago
- 拉勾网数据爬虫☆32Updated 8 years ago
- 知乎爬虫，基于webmagic框架 .A java web spider base on webmagic.☆69Updated 9 years ago
- 搜狗、百度、QQ输入法的词库文件的 Java 解析程序，配合 ThesaurusSpider 使用☆110Updated 6 years ago
- 百度百科多线程爬虫Java源码，数据存储采用了Oracle11g☆13Updated 8 years ago
- Spider Collection☆23Updated 7 years ago
- ☆21Updated 9 years ago
- 实现中文文本分类，支持文件、文本分类，基于多项式分布的朴素贝叶斯分类器。由于工作实际应用是二分类，加之考虑到每个分类属性都建立map存储词语向量可能引起的内存问题，所以目前只支持二分类。当然，直接复用这个结构扩展到多分类也是很容易。之所以自己写，主要原因是没有仔细研读mah…☆22Updated 9 years ago