有人一听到爬虫是不是就很兴奋,嗯嗯……脑子里不要有邪恶的念头哦!
简单说一下网路爬虫,说白了就是网络黄牛 利用爬虫软件24小时监控 某个系统 比如说小米的手机很抢到,这时候利用爬虫就可以 24小时监控他们的官网,一有开抢出来立刻就用软件抢了。再比如说有些音乐已经在平台上强制收费才能听,这个时候让我们邪恶的小虫虫去爬下来永久播放……等等,当然 不知道你们学会了会去做什么坏事,哈哈哈,学会了就行。
上次的文章小编只搜集了python的爬虫,有同学留言说要Java,Php,C++……这次满足你们各类语言都有,当然软件更新正常现象,有的不能用也属正常,不要责怪小编哦!
· Scrapy - 一种高效的屏幕,网页数据采集框架。
· django-dynamic-scraper - 基于Scrapy内核由django Web框架开发的爬虫。
· Scrapy-Redis - 基于Scrapy内核采用Redis组件的爬虫。
· scrapy-cluster - 基于Scrapy内核采用Redis 和 Kafka 开发的分布式爬虫框架。
· distribute_crawler - 基于Scrapy内核采用redis, mongodb开发的分布式爬虫框架。
· pyspider - 一个强大纯python的数据采集系统.
· cola - 一个分布式的爬虫框架.
· Demiurge - 基于PyQuery的微型爬虫框架.
· Scrapely - 一个纯python的HTML页面捕捉库.
· feedparser - 一个通用的feed解析器.
· you-get - 静默网站爬去下载器.
· Grab - 网站采集框架.
· MechanicalSoup - 一个自动化的互动网站Python库.
· portia - 基于Scrapy的可视化数据采集框架.
· crawley - 基于非阻塞通信(NIO)的python爬虫框架.
· RoboBrowser - 一个简单的,不基于Web浏览器的基于Python的Web 浏览器.
· MSpider - 一个基于gevent(协程网络库)的python爬虫.
· brownant - 一个轻量级的网络数据抽取框架.
Java· Apache Nutch - 用于生产环境的高度可扩展的高度可扩展的网络爬虫.
· anthelion - 一个基于Apache Nutch抓取语义注释在HTML页面插件.
· Crawler4j - 简单和轻量级的网络爬虫.
· JSoup - 采集,分析,处理和清洗HTML页面.
· websphinx - HTML网站特定的处理、信息提取.
· Open Search Server - 全套搜索功能,建立你自己的索引策略。分析、提取全文数据,这个框架可以索引的一切.
· Gecco - 一个易于使用的轻量级网络爬虫.
· WebCollector -简单的抓取网页的界面,可以在不到5分钟内部署一个多线程的网络爬虫.
· Webmagic -一个可扩展的爬虫框架.
· Spiderman -一个可扩展的,多线程的网络爬虫.
· Spiderman2 - 分布式网络爬虫框架,支持javascript渲染.
· Heritrix3 - 可扩展,大规模的网络爬虫项目.
· SeimiCrawler - 一个敏捷的分布式爬虫框架.
· StormCrawler - 基于开放源代码、构建低延迟的网络资源采集框架,基于Apache Storm.
· Spark-Crawler - 基于Apache Nutch 的网络爬虫,可以运行于Spark.
C#· ccrawler - 一个简单的Web内容分类方案,它可以根据其内容分开网页,基于C#3.5.
· SimpleCrawler - 简单的多线程网络爬虫,基于REG表达式.
· DotnetSpider - 基于C#开发的一个轻量级,交叉平台的网络爬虫.
· Abot - 具有很好效率和可扩展性的C#网络爬虫.
· Hawk - 用 C#/WPF开发的网络爬虫,具有简单的ETL功能.
· SkyScraper - 一个支持异步网络和有很好扩展性的网络爬虫.
JavaScript· scraperjs - 基于JS的一个功能齐全的网络爬虫.
· scrape-it - 基于Node.js的网络爬虫.
· simplecrawler - 基于事件驱动开发的网络爬虫.
· node-crawler - 提供简单API,适于二次开发的网络爬虫.
· js-crawler - 基于Node.JS,支持HTTP(S)的网络爬虫.
· x-ray - 支持分页的网络爬虫.
· node-osmosis - 基于Node.js适于解析HTML结构的网络爬虫.
PHP· Goutte - 基于PHP的网页截屏和爬取程序.
· laravel-goutte - 基于Laravel 5 的网络爬虫.
· dom-crawler - 易于抽取DOM文件的网络爬虫.
· pspider - 基于PHP的并发网络爬虫.
· php-spider - 一个基于PHP的高可扩展的网络爬虫.
C++· open-source-search-engine - 基于C/C++开发的网络爬虫和搜索引擎.
C· httrack - 全部网站整体复制工具。 ## Ruby
· upton - 一个易于上手的爬虫框架集合,支持CSS选择器.
· wombat - 基于Ruby天然的支持DSL的网络爬虫,易于提取网页正文数据.
· RubyRetriever - 基于Ruby的网站数据采集和全网数据收割机.
· Spidr - 全站数据采集,支持无限的网站链接地址采集.
· Cobweb - 非常灵活,易于扩展的网络爬虫,可以单点部署使用.
· mechanize - 自动采集网站数据的框架.
R· rvest - 基于R开发的简单网络爬虫.
Erlang· ebot - 一个分布式,高可扩展的网络爬虫.
Perl· web-scraper - 方便使用HTML、CSS、XPath选择器的网络爬虫。
Go· pholcus - 一个分布式,支持高并发的网络爬虫.
· gocrawl - 一个高并发的,轻量级,遵守道德的网络爬虫.
· fetchbot -一个遵守robots.txt规则和延迟规则的轻量级网络爬虫.
· go_spider - 一个非常好的高并发网络爬虫.
· dht -支持DHT协议的网络爬虫.
· ants-go - 基于Golang的高并行网络爬虫.
· scrape - 一个简单的提供很好开发接口的网络爬虫.
Scala· crawler - 基于Scala DSL的网络爬虫.
· scrala - 由Scala开发基于scrapy内核的网络爬虫.
· ferrit - 基于Scala开发使用了Akka, Spray,Cassandra的网络爬虫.
联系客服