推荐一个智能的 Java 爬虫框架

介绍

平台以流程图的方式定义爬虫,是一个高度灵活可配置的爬虫平台

特性

• 支持Xpath/JsonPath/css选择器/正则提取/混搭提取
• 支持JSON/XML/二进制格式
• 支持多数据源、SQL select/selectInt/selectOne/insert/update/delete
• 支持爬取JS动态渲染(或ajax)的页面
• 支持代理
• 支持自动保存至数据库/文件
• 常用字符串、日期、文件、加解密等函数
• 支持插件扩展(自定义执行器，自定义方法）
• 任务监控,任务日志
• 支持HTTP接口
• 支持Cookie自动管理
• 支持自定义函数

插件

• Selenium插件
• Redis插件
• OSS插件
• Mongodb插件
• IP代理池插件
• OCR识别插件
• 电子邮箱插件

项目部分截图

爬虫列表

爬虫测试

Debug

日志

免责声明

请勿将spider-flow应用到任何可能会违反法律规定和道德约束的工作中,请友善使用spider-flow，遵守蜘蛛协议，不要将spider-flow用于任何非法用途。

如您选择使用spider-flow即代表您遵守此协议，作者不承担任何由于您违反此协议带来任何的法律风险和损失，一切后果由您承担。

开源地址：

https://gitee.com/ssssssss-team/spider-flow