新一代网络爬虫应该满足以下功能特点
1、高性能
2、分布式部署,规模无限扩展
3、配置灵活,可以任意配置规则
4、支持对爬虫单独设置:执行周期、执行开始时间、执行间隔等参数
5、支持http、https等协议
6、支持get方式和post方式
7、支持文件下载
8、支持翻页采集
9、支持二次js请求采集
10、 支持html标签、json等任意报文
11、 支持登录采集
12、 支持代理采集,具有代理池功能,定时自动探测代理有效性
13、 独创的规则配置体系,具有处理复杂报文的能力
14、 具有采集结果加工处理能力,比如:替换、截取、清除垃圾标签、清除空格等操作
15、 支持多数据库,多表数据结果
16、 支持数据库插入、删除、修改等操作的功能
17、 支持保存文件功能
18、 具有规则失效告警功能
爬虫服务器管理
(1) 新增、修改、查看和删除爬虫服务器
(2) 控制分布式爬虫服务器的启动和停止。
(3) 配置爬虫执行周期、执行开始时间、执行间隔等参数
网址管理(队列管理)、配置网址相关参数
分组管理,维护网址的分组信息,便于分类进行操作
配置解析规则
代理服务设置
代理服务器导入
失效规则告警
本人从事网络研发多年,有网络爬虫问题需要咨询可以联系我 Q 130 51777 62
A
时间: 2024-10-25 05:18:44