WebSPHINX - 可定制的Java Web爬蟲

jopen 12年前發布 | 49K 次閱讀 爬蟲 網絡爬蟲

WebSPHINX - 可定制的Java Web爬蟲

WebSPHINX是一個Java類包和Web爬蟲的交互式開發環境。Web爬蟲(也叫作機器人或蜘蛛)是可以自動瀏覽與處理Web頁面的程序。WebSPHINX由兩部分組成:爬蟲工作平臺和WebSPHINX類包。

WebSPHINX - 可定制的Java Web爬蟲

  • Multithreaded Web page retrieval in a simple application framework
  • An object model that explicitly represents pages and links
  • Support for reusable page content classifiers
  • Tolerant HTML parsing
  • Support for the robot exclusion standard
  • Pattern matching, including regular expressions, Unix shell wildcards, and HTML tag expressions. Regular expressions are provided by the Apache jakarta-regexp regular expression library.
  • Common HTML transformations , such as concatenating pages , saving pages to disk, and renaming links

項目主頁:http://www.baiduhome.net/lib/view/home/1349946044838

 本文由用戶 jopen 自行上傳分享,僅供網友學習交流。所有權歸原作者,若您的權利被侵害,請聯系管理員。
 轉載本站原創文章,請注明出處,并保留原始鏈接、圖片水印。
 本站是一個以用戶分享為主的開源技術平臺,歡迎各類分享!