安卓源码Asp源码Php源码.Net源码Jsp源码其它源码JS特效程序插件程序模板书籍教程
高级搜索
关键字:Discuz!  Axure  团购系统
最新更新发布资源提建议收藏本站
网站源码下载
当前位置:A5下载 > 源码下载 > 其它源码 > 其他网站源码 > WebCollector网络爬虫框架 v2.x

WebCollector网络爬虫框架 v2.x

详细介绍 - [ WebCollector网络爬虫框架 v2.x ]

WebCollector是一个无须配置、便于二次开发的Java爬虫框架(内核),它提供精简的的API,只需少量代码即可实现一个功能强大的爬虫。WebCollector-Hadoop是WebCollector的Hadoop版本,支持分布式爬取。

WebCollector致力于维护一个稳定、可扩的爬虫内核,便于开发者进行灵活的二次开发。内核具有很强的扩展性,用户可以在内核基础上开发自己想要的爬虫。源码中集成了Jsoup,可进行精准的网页解析。2.x版本中集成了selenium,可以处理JavaScript生成的数据。

WebCollector特性

1、自定义遍历策略,可完成更为复杂的遍历业务,例如分页、AJAX
2、可以为每个 URL 设置附加信息(MetaData),利用附加信息可以完成很多复杂业务,例如深度获取、锚文本获取、引用页面获取、POST 参数传递、增量更新等。
3、使用插件机制,用户可定制自己的Http请求、过滤器、执行器等插件。
4、内置一套基于内存的插件(RamCrawler),不依赖文件系统或数据库,适合一次性爬取,例如实时爬取搜索引擎。
5、内置一套基于 Berkeley DB(BreadthCrawler)的插件:适合处理长期和大量级的任务,并具有断点爬取功能,不会因为宕机、关闭导致数据丢失。
6、集成 selenium,可以对 JavaScript 生成信息进行抽取
7、可轻松自定义 http 请求,并内置多代理随机切换功能。 可通过定义 http 请求实现模拟登录。
8、使用 slf4j 作为日志门面,可对接多种日志
9、使用类似Hadoop的Configuration机制,可为每个爬虫定制配置信息。

相关阅读

同类推荐:站长常用源码

下载地址 - [ WebCollector网络爬虫框架 v2.x ]
评论暂时关闭
您喜欢这个源码么?
(0)
0%
(0)
0%
[ 下载地址 ][ 评论吐槽 ]
本类热门源码
  • 源码推荐
  • 软件推荐
关于我们联系我们发布资源广告服务合作伙伴网站地图版权声明与我们对话