CrawlerDemon 特点系统核心组件 分布式爬虫

程序名称：CrawlerDemon 特点系统核心组件

授权协议: GPL

操作系统: 跨平台

开发语言: Java

CrawlerDemon 特点系统核心组件 介绍

CrawlerDemon 是垂直应用爬虫，基于akka+okHttp+spring+jsoup
，配置简单，上手容易，支持配置动态参数，动态代理，http自动重试。

特点

1. 基于 akka 高性能分布式框架

2. 使用 spring 配置请求参数

3. 自动管理代理地址Ip，http请求重试， 超过重复次数丢弃请求

4. 针对任务请求，任务响应实现过滤(需要根据自己业务实现过滤逻辑)

5. 配置多数据源存储 抓取数据自由选择入库

系统核心组件

1. task 生成请求任务,填写 请求的url ，页面编码，header ，parma 参数

2. actor 具体抓取actor，处理taskRequest 的请求转发，页面分页，taskResponse 过滤

3. parse 解析具体页面内容，写库操作。

CrawlerDemon 特点系统核心组件 官网

http://git.oschina.net/spirit_demon/CrawlerDemon