本项目fork项目go_spider，github：https://github.com/hu17889/go_spider ，因此项目架构的部分文档可以参考此项目。
同时项目架构、部分思路参考了python的经典爬虫scrapy。
基本结构：
Spider模块（主控）Downloader模块（下载器）PageProcesser模块（页面分析）History（Url采集历史记录）Scheduler模块（任务队列）Pipeline模块（结果输出）主要Feature:
1. 基于Go语言的并发采集2. 页面下载、分析、持久化模块化，可自定义扩展3. 采集日志记录（Mongodb支持）4. 页面数据自定义存储（Mysql、Mongodb）5. 深度遍历，同时可自定义深度层次6. Xpath解析主要用于定向采集网站。
评论