数据采集搜索平台 Gather Platform V0.6 发布

gsh199449
 gsh199449
发布于 2017年05月17日
收藏 164

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

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 OSCHINA 社区 [http://www.oschina.net]
本文标题:数据采集搜索平台 Gather Platform V0.6 发布
加载中

精彩评论

S
SCzfdf
真乃神人也
青鸟-
青鸟-
666
段自力
使用起来挺上手,支持!
客渡
客渡
感觉很不错的
CHurricane
CHurricane
好棒,继续跟进

最新评论(19

青鸟-
青鸟-
666
gsh199449
gsh199449

引用来自“测试基准域”的评论

Webmagic 挺棒的。另外是不是手滑把f达成了g
啊 哪里?打错了?
测试基准域
测试基准域
Webmagic 挺棒的。另外是不是手滑把f达成了g
gsh199449
gsh199449

引用来自“黄亿华”的评论

赞一个!
哈哈 谢谢!
黄亿华
黄亿华
赞一个!
shitalpig
shitalpig

引用来自“shitalpig”的评论

啥原理,我一直不知道如何爬动态的网站代码啊

引用来自“gsh199449”的评论

从0.6开始支持ajax动态网页采集,原理可以参考在线手册,欢迎加群交流,群号:206264662
哈,谢谢
cablefan
cablefan
正好需要!MARK
gsh199449
gsh199449

引用来自“shitalpig”的评论

啥原理,我一直不知道如何爬动态的网站代码啊
从0.6开始支持ajax动态网页采集,原理可以参考在线手册,欢迎加群交流,群号:206264662
shitalpig
shitalpig
网上爬虫的资料很少,全是静态网页爬虫
shitalpig
shitalpig
啥原理,我一直不知道如何爬动态的网站代码啊
返回顶部
顶部