项目名称
=========
gooseeker
集搜客即时模式网络爬虫项目
在python 即时网络爬虫项目启动说明中我们讨论一个数字：程序员浪费在调测内容提取规则上的时间。 网络数据抓取的工作量有80%是在为各种网站的各种数据结构编写抓取规则。
所以我们发起了这个项目，把程序员从繁琐的调测规则中解放出来，投入到更高端的数据处理工作中。
GooSeeker发布基于xslt的内容提取器，xslt可以通过GooSeeker API获得，让大家能省掉90%的调测正则表达式或者XPath的时间
入口页
Python交流园地
知乎专栏
GooSeeker收割模式网络爬虫
gooseeker
- core/gooseeker.py 提取器类
- core/README 说明文件
- crawler/anjuke.py 采集安居客房产经纪人
- crawler/result1.xml 安居客房产经纪人结果文件1
- crawler/result2.xml 安居客房产经纪人结果文件2
- crawler/crawl_gooseeker_bbs.py 采集集搜客论坛内容
- crawler/xslt_bbs.xml 集搜客论坛内容提取本地xslt文件
- crawler/douban.py 采集豆瓣小组讨论话题
- crawler/simpleSpider 一个小爬虫(基于Scrapy开源框架)
- crawler/tmSpider 采集天猫商品信息(基于Scrapy开源框架)
- test/readPdf.py python读取pdf文档