基于hadoop思维的分布式网络爬虫。
zongtui-webcrawler
众推,基于机器学习和深度学习的开源项目,主要处理网络爬虫、文本挖掘等相关的内容!
1)实现基于hadoop思维的分布式网络爬虫,在完善和深入。 2)实现各种包括去重分析、关键字提取、情感分析、文本分类处理等。
核心设计思路是可以接入任何一种爬虫,并且可以针对此种爬虫的问题进行扩展。
欢迎加入讨论:众推 194338168
rule是规则解析 core是核心调度 plugin是插件 sourceer是数据源,也就是爬虫 store是存储
以下为爬虫列表: http://www.oschina.net/search?scope=project&q=%E7%BD%91%E7%BB%9C%E7%88%AC%E8%99%AB
项目中所用的编译版本为JDK1.7。
大数据博客整理: https://github.com/jxqlovejava/PopularBlogSites/blob/master/README.md