SeimiCrawler V1.0.0 发布,Java 爬虫框架 - 开源中国社区
Float_left Icon_close
SeimiCrawler V1.0.0 发布,Java 爬虫框架
无极小子 2016年06月29日

SeimiCrawler V1.0.0 发布,Java 爬虫框架

无极小子 无极小子 发布于2016年06月29日 收藏 44 评论 1

阿里云高性能云服务器,2折起! >>> >>>  

SeimiCrawler V1.0.0发布了,更新如下:

  • http请求处理器重构,并默认改由okhttp3实现,且支持通过@Crawler注解中的httpType自由切换为apache httpclient

  • 部分代码优化

  • 支持通过seimiAgent获取页面快照(png/pdf)

简介

SeimiCrawler是一个敏捷的,独立部署的,支持分布式的Java爬虫框架,希望能在最大程度上降低新手开发一个可用性高且性能不差的爬虫系统的门槛,以及提升开发爬虫系统的开发效率。在SeimiCrawler的世界里,绝大多数人只需关心去写抓取的业务逻辑就够了,其余的Seimi帮你搞定。设计思想上SeimiCrawler受Python的爬虫框架Scrapy启发很大,同时融合了Java语言本身特点与Spring的特性,并希望在国内更方便且普遍的使用更有效率的XPath解析HTML,所以SeimiCrawler默认的HTML解析器是JsoupXpath(独立扩展项目,非jsoup自带),默认解析提取HTML数据工作均使用XPath来完成(当然,数据处理亦可以自行选择其他解析器)。

本站文章除注明转载外,均为本站原创或编译。欢迎任何形式的转载,但请务必注明出处,尊重他人劳动共创开源社区。
转载请注明:文章转载自 开源中国社区 [http://www.oschina.net]
本文标题:SeimiCrawler V1.0.0 发布,Java 爬虫框架
分享
评论(1)
最新评论
0
通用正文提取接口:
<a href="http://www.weixinxi.wang/open/extract.html" >地址</a>
顶部