新一代爬虫平台，以图形化方式定义爬虫流程，不写代码即可完成爬虫。
| db | ||
| spider-flow-api | ||
| spider-flow-core | ||
| spider-flow-mongodb | ||
| spider-flow-ocr | ||
| spider-flow-oss | ||
| spider-flow-proxypool | ||
| spider-flow-redis | ||
| spider-flow-selenium | ||
| spider-flow-web | ||
| .gitignore | ||
| LICENSE | ||
| pom.xml | ||
| README.md | ||
spider-flow
介绍
新一代爬虫平台，以图形化方式定义爬虫流程，不写代码即可完成爬虫。
QQ交流群：720832964
使用说明
演示站点
服务器配置较低,如有卡顿请谅解
DEMO
- 妹子图（感谢网友提供）
- 北京菜价（感谢网友提供）
- GVP项目
项目结构
spider-flow
├── spider-flow-api -- 插件开发的依赖
├── spider-flow-core -- 核心包
├── spider-flow-web -- web界面
├── spider-flow-selenium -- selenium插件
├── spider-flow-proxypool -- ip代理池插件
├── spider-flow-redis -- redis插件
├── spider-flow-oss -- oss插件
├── spider-flow-ocr -- ocr插件
特性
- 支持css选择器、正则提取
- 支持JSON/XML格式
- 支持Xpath/JsonPath提取
- 支持多数据源、SQL select/insert/update/delete
- 支持爬取JS动态渲染的页面
- 支持代理
- 支持二进制格式
- 支持保存/读取文件(csv、xls、jpg等)
- 常用字符串、日期、文件、加解密等函数
- 支持流程嵌套
- 支持插件扩展(自定义执行器，自定义函数）
- 任务监控
- 支持HTTP接口
插件列表
- Selenium插件
- Redis插件
- OSS插件
- Mongodb插件
- Hbase插件
- IP代理池插件
- OCR识别插件
项目部分截图
