数据采集搜索平台 Gather Platform V0.6

2019独角兽企业重金招聘Python工程师标准>>>

新功能：

• 新增ajax网页渲染器，ajax网页轻松采集；

• 升级ES至5.2版本；

• 修正一些BUG；

预编译版本及相关依赖下载地址: https://pan.baidu.com/s/1i4IoEhB 密码:v3jm 。

在线文档地址：https://gsh199449.github.io/gather_platform_pages/

Github地址：https://github.com/gsh199449/spider

码云地址：https://git.oschina.net/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

转载于:https://my.oschina.net/u/2510243/blog/906922