cike23's Stars
baichengzhou/SpringMVC-Mybatis-shiro
一个基于SpringMVC + Mybatis的Shiro + Redis的权限控制Demo,建议使用新版本https://github.com/baichengzhou/SpringMVC-Mybatis-Shiro-redis-0.2 ,查看Demo介绍:
tianshb/MagicToe
基于webmagic + springboot + mybatis的Java爬虫,使用Echarts进行数据可视化分析,提供了从爬虫获取数据到数据持久化、数据可视化分析以及构建简单的代理池等一整套解决方案模板。
ysc/HtmlExtractor
HtmlExtractor是一个Java实现的基于模板的网页结构化信息精准抽取组件。
hfut-dmic/ContentExtractor
自动抽取网页正文的算法,用JAVA实现
Trekkiii/KMQueue
Redis-based distributed queue with queue task monitoring, task timeout, failed task retries and more
yangguang2014/distributedCrawler
华南理工大学高英实验室进行的分布式爬虫项目,除了实验室内部人员外,不得私自传播.
ScienJus/pixiv-crawler
通过网页爬虫批量下载 Pixiv 图片
zhou1hang/crawler
基于selenium封装chrome、firefox、phantomjs等实现
jachohx/crawler
xuxueli/xxl-crawler
A distributed web crawler framework.(分布式爬虫框架XXL-CRAWLER)
gsh199449/DistributeCrawler
基于Map/Reduce爬虫,可抽取各大新闻网站的新闻正文并进行分类和聚类
codelibs/elasticsearch-river-web
Web Crawler for Elasticsearch
631068264/crawler
Java 多线程爬虫 redis
out0fmemory/GuozhongCrawler
GuozhongCrawler的是一个无须配置、便于二次开发的爬虫开源框架,它提供简单灵活的API,只需少量代码即可实现一个爬虫。其设计灵感来源于多个爬虫国内外爬虫框架的总结。采用完全模块化的设计,功能覆盖整个爬虫的生命周期(链接提取、页面下载、内容抽取、持久化),支持多线程抓取,分布式抓取,并支持自动重试,定制执行js、自定义cookie等功能。在处理网站抓取多次后被封IP的问题上,guozhongCrawler采用动态轮换IP机制有效防止IP被封。另外,源码中的注释及Log输出全部采用通俗易懂的中文。让初学者能有更加深刻的理解
timelessmemory/NetEaseCloudMusicCrawler
HttpClient + Jsoup + Queue
doubleview/fastcrawler
一个快速,简单,基于多线程的网络爬虫框架
codelibs/fess-crawler
Web/FileSystem Crawler Library
denghuichao/proxy-pool
爬虫代理IP池服务,可供其他爬虫程序通过restapi获取
xbynet/crawler
A simple and flexible web crawler framework for java.
DMinerJackie/JewelCrawler
豆瓣电影爬虫——a crawler which is able to crawl movie detail and short comments, save them to database mysql, also include Sentiment analysis based on comments
dadoonet/fscrawler
Elasticsearch File System Crawler (FS Crawler)
duoan/codes-scratch-crawler
读书笔记《自己动手写网络爬虫》,自己敲的代码。主要记录了网络爬虫的基本实现,网页去重的算法,网页指纹算法,文本信息挖掘