介绍 |
Pholcus(幽灵蛛)是一款纯Go语言编写的支持分布式的高并发、重量级爬虫软件,定位于互联网数据采集,为具备一定Go或JS编程基础的人提供一个只需关注规则定制的功能强大的爬虫工具。 它支持单机、服务端、客户端三种运行模式,拥有Web、GUI、命令行三种操作界面;规则简单灵活、批量任务并发、输出方式丰富(mysql/mongodb/csv/excel等)、有大量Demo共享;另外它还支持横纵向两种抓取模式,支持模拟登录和任务暂停、取消等一系列高级功能。 框架特点: 1、为具备一定Go或JS编程基础的用户提供只需关注规则定制、功能完备的重量级爬虫工具; 2、支持单机、服务端、客户端三种运行模式; 3、GUI(Windows)、Web、Cmd 三种操作界面,可通过参数控制打开方式; 4、支持状态控制,如暂停、恢复、停止等; 5、可控制采集量; 6、可控制并发协程数; 7、支持多采集任务并发执行; 8、支持代理IP列表,可控制更换频率; 9、支持采集过程随机停歇,模拟人工行为; 10、根据规则需求,提供自定义配置输入接口 11、有mysql、mongodb、csv、excel、原文件下载共五种输出方式; 12、支持分批输出,且每批数量可控; 13、支持静态Go和动态JS两种采集规则,支持横纵向两种抓取模式,且有大量Demo; 14、持久化成功记录,便于自动去重; 15、序列化失败请求,支持反序列化自动重载处理; 16、采用surfer高并发下载器,支持 GET/POST/HEAD 方法及 http/https 协议,同时支持固定UserAgent自动保存cookie与随机大量UserAgent禁用cookie两种模式,高度模拟浏览器行为,可实现模拟登录等功能; 17、服务器/客户端模式采用Teleport高并发SocketAPI框架,全双工长连接通信,内部数据传输格式为JSON。
|