Metrics
0
Watch 76 Star 134 Fork 69

itlabers / CrawlerDemonJavaLGPL-3.0

Sign up for free
Explore and code with more than 2 million developers,Free private repositories !:)
Sign up
分布式爬虫 Crawler spread retract

Clone or download
Loading...
README.md

特点

  1. 基于akka 高性能分布式框架
  2. 使用 spring 配置请求参数
  3. 自动管理代理地址Ip,http请求重试, 超过重复次数丢弃请求
  4. 针对任务请求,任务响应实现过滤(需要根据自己业务实现过滤逻辑)
  5. 配置多数据源存储 抓取数据自由选择入库

系统核心组件

  1. task 生成请求任务,填写 请求的url ,页面编码,header ,parma 参数
  2. actor 具体抓取actor,处理taskRequest 的请求转发,页面分页,taskResponse 过滤
  3. parse 解析具体页面内容,写库操作。

历史版本

v 1.0.2 1 修复 HttpRequestMeta 克隆参数的bug。

Comments ( 4 )

You need to Sign in for post a comment

Help Search