我是编程乐趣,一个10年.Net开发经验老程序员,点击右上方“关注”,每天为你分享开源项目和编程知识。
如果我们需要抓取网络上的数据,这时候我们就要写爬虫,这里面就涉及到网页的抓取、以及网页分析与数据提取、抓取的性能等知识,今天就给大家推荐一个开源项目,它可以很好解决你的问题,让你更专注业务的开发。
这是一个基于.Net Core开发的、Web爬虫开源项目,一个轻量级、高性能、简便的框架;框架集成了爬取、数据分析提取、代理等功能,可以帮助我们快速的完成爬取的功能。
1、跨平台:基于.NetCore开发,支持Windows、Mono、Liunx、Windows Azure、Docker。
2、支持 .NetCore 2.2+。
3、数据库:MySql。
4、组件:RabbitMQ 。
1、基础功能:网页Http数据爬取、解析网页数据(text、json、html)、存储解析的数据至数据库。
2、采集调度:采集的去重,以及采集顺序的控制,支持广度优先与深度优先的模式。
3、分部署部署:可以同时部署多个下载服务器;
4、下载代理器注册服务:负责下载代理器的注册、心跳;单机模式默认启动一个内置的注册服务;
5、统计:统计各个爬虫、服务中心的状态,比如爬虫的请求数量、成功数量、失败数量等;
6、请求配置:比如添加签名配置;
7、数据流:可以支持多个规则解析器,按照顺序解析;
8、并发:支持消息队列,预先缓存请求数据,提高采集性能。
简单爬虫例子
Html数据解析
配置解析
https://github.com/dotnetcore/DotnetSpider
我是编程乐趣,一个10年.Net开发经验老程序员,专注开源项目和编程知识分享。
私信回复:【888】,领取.Net视频教程。
- End -
推荐阅读