首页 > 代码库 > java 网络爬虫框架
java 网络爬虫框架
java 网络爬虫框架:
apache Nutch ,Heritrix等,主要参照开源社区提供的40个开源项目
文章背景:
最近要写个爬虫抓去新浪微博的数据,然后用hadoop存储后,进行分析,就在网上搜取相关资料。
网友推荐使用python来做,但鉴于本人擅长的是java,学习python需要一定的时间成本,还是选择java.一开始想自己从头写,搜到apache httpClient, 后来想着还是用开源成熟的框架来做,目前觉得apache Nutch 和Heritrix是个不错的选择,不过我还没开始实验,所以文章待续。。。
相关链接:
apache Nutch wiki
Nutch官网:
Heritrix wiki
github for Nutch
api for Nutch
其他博客:
Nutch介绍及使用
Nutch 快速入门(Nutch 2.2.1)
Nutch-2.2.1学习
java 网络爬虫框架
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。