设为首页收藏本站

LUPA开源社区

 找回密码
 注册
文章 帖子 博客
LUPA开源社区 首页 业界资讯 软件追踪 查看内容

数据采集搜索平台Gather Platform V0.6发布

2017-5-17 23:41| 发布者: joejoe0332| 查看: 1331| 评论: 0|原作者: oschina|来自: oschina

摘要: 新功能:新增ajax网页渲染器,ajax网页轻松采集;升级ES至5.2版本;修正一些BUG;预编译版本及相关依赖下载地址: https://pan.baidu.com/s/1i4IoEhB 密码:v3jm 。在线文档地址:https://gsh199449.github.io/gather_ ...

新功能:

  • 新增ajax网页渲染器,ajax网页轻松采集;

  • 升级ES至5.2版本;

  • 修正一些BUG;

预编译版本及相关依赖下载地址: https://pan.baidu.com/s/1i4IoEhB 密码:v3jm 。

在线文档地址:https://gsh199449.github.io/gather_platform_pages/

Github地址:https://github.com/gsh199449/spider

码云地址:https://git.oschina.net/gsh199449/spider


Gather Platform 数据抓取平台是一套基于 Webmagic 内核的,具有 Web 任务配置和任务管理界面的数据采集平台,一个轻量级的搜索引擎系统。

5分钟即可部署完毕,半分钟即可完成一个爬虫,开始数据采集. 不需要进行任何编码就可以完成一个功能强大的爬虫.

具有以下功能:

  • 根据配置的模板进行数据采集

  • 对采集的数据进行NLP处理,包括:抽取关键词,抽取摘要,抽取实体词

  • 在不配置采集模板的情况下自动检测网页正文,自动抽取文章发布时间

  • 动态字段抽取与静态字段植入

  • 已抓取数据的管理,包括:搜索,增删改查,按照新的数据模板重新抽取数据

  • 多数据输出方式:Elasticsearch、JSON文本,Redis


酷毙

雷人

鲜花

鸡蛋

漂亮
  • 快毕业了,没工作经验,
    找份工作好难啊?
    赶紧去人才芯片公司磨练吧!!

最新评论

关于LUPA|人才芯片工程|人才招聘|LUPA认证|LUPA教育|LUPA开源社区 ( 浙B2-20090187 浙公网安备 33010602006705号   

返回顶部