Gather Platform 数据采集平台

程序名称：Gather Platform

授权协议: GPL

操作系统: 跨平台

开发语言: Java

Gather Platform 介绍

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。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

• 自定义任务循环执行周期，一次定义，无人值守，自动采集

• 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

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.

爬虫模板配置页面

抓取样例数据效果

爬虫管理页面

循环任务监测

数据搜索与管理页面

网页信息查看

关联信息页

根据域名统计数据页面

具体部署方式参考项目主页README

百度云下载链接密码： v3jm

Gather Platform 官网

https://github.com/gsh199449/spider