(转)几个Java的开源爬虫
来源:互联网 发布:linux上snmp配置 编辑:程序博客网 时间:2024/05/17 15:01
转自:网络,
原始来源不详
Heritrix
Heritrix是一个开源,可扩展的web爬虫项目。Heritrix设计成严格按照robots.txt文件的排除指示和META robots标签。
WebSPHINX
ebSPHINX是一个Java类包和Web爬虫的交互式开发环境。Web爬虫(也叫作机器人或蜘蛛)是可以自动浏览与处理Web页面的程序。WebSPHINX由两部分组成:爬虫工作平台和WebSPHINX类包。
WebLech
WebLech是一个功能强大的Web站点下载与镜像工具。它支持按功能需求来下载web站点并能够尽可能模仿标准Web浏览器的行为。WebLech有一个功能控制台并采用多线程操作。
Arale
Arale主要为个人使用而设计,而没有像其它爬虫一样是关注于页面索引。Arale能够下载整个web站点或来自web站点的某些资源。Arale还能够把动态页面映射成静态页面。
J-Spider
J-Spider:是一个完全可配置和定制的Web Spider引擎.你可以利用它来检查网站的错误(内在的服务器错误等),网站内外部链接检查,分析网站的结构(可创建一个网站地图),下载整个Web站点,你还可以写一个JSpider插件来扩展你所需要的功能。
spindle
pindle是一个构建在Lucene工具包之上的Web索引/搜索工具.它包括一个用于创建索引的HTTP spider和一个用于搜索这些索引的搜索类。spindle项目提供了一组JSP标签库使得那些基于JSP的站点不需要开发任何Java类就能够增加搜 索功能。
Arachnid
Arachnid:是一个基于Java的web spider框架.它包含一个简单的HTML剖析器能够分析包含HTML内容的输入流.通过实现Arachnid的子类就能够开发一个简单的Web spiders并能够在Web站上的每个页面被解析之后增加几行代码调用。 Arachnid的下载包中包含两个spider应用程序例子用于演示如何使用该框架。
LARM
LARM能够为Jakarta Lucene搜索引擎框架的用户提供一个纯Java的搜索解决方案。它包含能够为文件,数据库表格建立索引的方法和为Web站点建索引的爬虫。
JoBo
JoBo是一个用于下载整个Web站点的简单工具。它本质是一个Web Spider。与其它下载工具相比较它的主要优势是能够自动填充form(如:自动登录)和使用cookies来处理session。JoBo还有灵活的 下载规则(如:通过网页的URL,大小,MIME类型等)来限制下载。
snoics-reptile
snoics-reptile是用纯Java开发的,用来进行网站镜像抓取的工具,可以使用配制文件中提供的URL入口,把这个网站所有的能用浏览器通过 GET的方式获取到的资源全部抓取到本地,包括网页和各种类型的文件,如:图片、flash、mp3、zip、rar、exe等文件。可以将整个网站完整 地下传至硬盘内,并能保持原有的网站结构精确不变。只需要把抓取下来的网站放到web服务器(如:Apache)中,就可以实现完整的网站镜像。
Web-Harvest
Web-Harvest是一个Java开源Web数据抽取工具。它能够收集指定的Web页面并从这些页面中提取有用的数据。Web-Harvest主要是运用了像XSLT,XQuery,正则表达式等这些技术来实现对text/xml的操作。
- (转)几个Java的开源爬虫
- 几个Java的开源爬虫
- 【转】几个Java的网络爬虫
- 几个Java网络爬虫开源项目
- 几个Java的网络爬虫
- 几个Java的网络爬虫
- 【网络爬虫】【java】微博爬虫(五):防止爬虫被墙的几个技巧(总结篇)
- WEB爬虫的几个要点
- scrapy爬虫的几个案例
- 关于火车头网络爬虫的几个常见问题
- 爬虫抓取的几个常见小问题
- [转]Java网络爬虫的实现
- Java爬虫的相对路径转绝对路径
- Java爬虫,信息抓取的实现 [转]
- Java网络爬虫的实现 [转]
- Java的网络爬虫
- Java写的爬虫
- java写的爬虫
- distinct 和 group by 使用对比
- Linux之CORE文件
- asp.net中保持状态的方法
- SQLite cominbed source file splitter
- SQL Server 2005 导入和导出向导
- (转)几个Java的开源爬虫
- Wget使用說明
- Scott Mitchell 的ASP.NET 2.0数据教程之二:创建一个业务逻辑层
- Google maps及51ditu的图片切割及存储方法
- C#泛型集合
- 【转贴】图像、帧、片、NALU
- 今天很郁闷!~
- SQL收集
- 程序状态字