GatherPlatform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。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
自定义任务循环执行周期，一次定义，无人值守，自动采集
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
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.
爬虫模板配置页面
抓取样例数据效果
爬虫管理页面
循环任务监测
数据搜索与管理页面
网页信息查看
关联信息页
根据域名统计数据页面
具体部署方式参考项目主页README
百度云下载链接密码： v3jm
评论