Gather Platform V0.4 发布了,新功能:
新增爬虫模板批量启动,在爬虫模板管理界面可以勾选多个爬虫批量启动。
修复BUG:
修正模态框堆叠问题;
修正更新webmagic版本带来的jar包冲突问题;
修正默认分类字段无效的问题;
修正导出数据内存溢出问题。
最新预编译版本及相关依赖下载地址: https://pan.baidu.com/s/1i4IoEhB 密码:v3jm 。
源码下载:https://github.com/gsh199449/spider
Gather Platform 数据抓取平台是一套基于 Webmagic 内核的,具有 Web 任务配置和任务管理界面的数据采集平台,一个轻量级的搜索引擎系统。
5分钟即可部署完毕,半分钟即可完成一个爬虫,开始数据采集. 不需要进行任何编码就可以完成一个功能强大的爬虫.
具有以下功能:
-
根据配置的模板进行数据采集
-
对采集的数据进行NLP处理,包括:抽取关键词,抽取摘要,抽取实体词
-
在不配置采集模板的情况下自动检测网页正文,自动抽取文章发布时间
-
动态字段抽取与静态字段植入
-
已抓取数据的管理,包括:搜索,增删改查,按照新的数据模板重新抽取数据
-
多数据输出方式:Elasticsearch、JSON文本,Redis