开源网络爬虫介绍及其比较

本文介绍了几个开源网络爬虫工具,如Nutch、Larbin、Heritrix,对比了它们的特性和用途。Nutch是Apache的子项目,与Lucene紧密集成,适合搜索引擎解决方案;Larbin是C++实现,适用于大规模网页抓取;Heritrix是档案爬虫,关注站点内容的完整复制。此外,还提到了其他如WebLech、Arale等爬虫工具,各有其特点和应用场景。
摘要由CSDN通过智能技术生成

Nutch 开发语言:Java http://lucene.apache.org/nutch/

简介: Apache的子项目之一,属于Lucene项目下的子项目。

Nutch是一个基于Lucene,类似Google的完整网络搜索引擎解决方案,基于Hadoop的分布式处理模型保证了系统的性能,类似Eclipse的插件机制保证了系统的可客户化,而且很容易集成到自己的应用之中。

Larbin 开发语言:C++ http://larbin.sourceforge.net/index-eng.html

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值