• 设为首页
  • 点击收藏
  • 手机版
    手机扫一扫访问
    迪恩网络手机版
  • 关注官方公众号
    微信扫一扫关注
    公众号

Egg: 一个通用的爬虫

原作者: [db:作者] 来自: 网络 收藏 邀请

开源软件名称:

Egg

开源软件地址:

https://gitee.com/andrew-wang/Egg

开源软件介绍:

Egg 简介

Egg

它一个通用高效的爬虫,希望它能够替大家实现一些需求,更希望能为开源做出自己的贡献。目前,还在成长,在我的构想下,它还需要添加很多功能,我会继续完善。有任何疑问以及需求请以与作者交流:[email protected]

  • Egg是一个通用,多线程的Java爬虫框架。
  • Egg简单小巧,api非常简单,容易上手。
  • Egg性能不错,并实现多种请求方式。
  • 能够比较快的响应使用者的需求

###速度说明####实测数据,在20M无线网下(隔了堵墙,所以会不稳定)#####1. 爬取1000网页,重复爬取十次

  • 8线程,耗时平均在15秒左右
  • 16线程,平均耗时12秒左右
  • 32线程,平均耗时12秒左右

速度大概在1.7-2.5m/s左右

###功能介绍1.可以通过各种方式爬取网页,当然有些并不完善,在目前主要实现get,post,其余会继续开发

2.可以从网页中提取出主体内容3.其余在仍在开发....

###开发说明作者非常希望能通过自己的努力,可以推动一点开源事业的发展,很希望可以为开源做出自己的一份贡献,更希望能够在一个深入发掘。Egg虽然还有很多不如人意的地方,但是作为在校大学生,会为大家及时解决并更新代码。遇到有需要的需求,可以及时添加功能,和大家广泛交流。作为开发者,在开发出简单易懂,容易使用的软件做着努力,所以,初学者我认为也应该很容易可以从它里面获取自己想要的。大家可以阅读源码,熟悉代码流程,和相关包的使用。

###希望作为开发者当然希望越来越多的人使用它。并且可以为它提出你宝贵的意见和建议。

协议

遵循Apache 2.0协议

贡献者

向下面提交过代码的同学表示感谢(哈哈,就我啦)

邮件交流

王捉熊[email protected]

0.3.00版本更新说明

相对于以前的api,这个版本更加易用,功能也愈加完善,配置更加简单

  • 与之前的版本添加dataprocesspor包,用来处理Page 中的result

  • 新添model包,系统中数据传输的model

    • BaseModel任何model都可以继承它,它封装了model的共有操作
    • 新添Site,用于配置爬虫爬取的站点信息,有了更加丰富的配置,类似于headers,cookie,等等
  • net包修改

    • 添加FactoryMonitor 虚拟类,用来监控factory长生多少request
    • 新添page 用来保存抓取后的数据
    • RequestFactory用来产生request
  • 新添parse包,用来解析抓取数据

    • Parser是一个解析器,用来方便用户提取抓取数据中自己需要的东西
    • Handler是一个处理器,用来处理每次抓取之后的操作
    • Selector是一个选择器,用来判断是否是我们所需要的内容

鲜花

握手

雷人

路过

鸡蛋
该文章已有0人参与评论

请发表评论

全部评论

专题导读
热门推荐
热门话题
阅读排行榜

扫描微信二维码

查看手机版网站

随时了解更新最新资讯

139-2527-9053

在线客服(服务时间 9:00~18:00)

在线QQ客服
地址:深圳市南山区西丽大学城创智工业园
电邮:jeky_zhao#qq.com
移动电话:139-2527-9053

Powered by 互联科技 X3.4© 2001-2213 极客世界.|Sitemap