spider-flow 开源爬虫平台

介绍 | 特性 | 插件 | DEMO站点 | 文档 | 更新日志 | 截图 | 其它开源 | 免责声明

介绍

平台以流程图的方式定义爬虫,是一个高度灵活可配置的爬虫平台

特性

• 支持Xpath/JsonPath/css选择器/正则提取/混搭提取
• 支持JSON/XML/二进制格式
• 支持多数据源、SQL select/selectInt/selectOne/insert/update/delete
• 支持爬取JS动态渲染(或ajax)的页面
• 支持代理
• 支持自动保存至数据库/文件
• 常用字符串、日期、文件、加解密等函数
• 支持插件扩展(自定义执行器，自定义方法）
• 任务监控,任务日志
• 支持HTTP接口
• 支持Cookie自动管理
• 支持自定义函数

插件

• Selenium插件
• Redis插件
• OSS插件
• Mongodb插件
• IP代理池插件
• OCR识别插件
• 电子邮箱插件

项目部分截图

爬虫列表

爬虫测试

Debug

日志

其它开源项目

• spider-flow-vue，spider-flow的前端
• magic-api，一个以XML为基础自动映射为HTTP接口的框架
• magic-api-spring-boot-starter

免责声明

请勿将spider-flow应用到任何可能会违反法律规定和道德约束的工作中，请友善使用spider-flow，遵守蜘蛛协议，不要将spider-flow用于任何非法用途。如您选择使用spider-flow即代表您遵守此协议，作者不承担任何由于您违反此协议带来任何的法律风险和损失，一切后果由您承担。

IDEA导入子模块

项目右键 -> 打开模块设置 -> 点击左侧+号 -> 导入模块 -> 选择导入的子模块目录 -> 从外部模型导入模块 -> 完成 -> 增加依赖项即可。

IDEA，导入模块后打包时出错

问题提示：
Failed to execute goal on project spider-flow-web: Could not resolve dependencies for project
[警告]org.spiderflow:spider-flow-ocr:jar:0.5.0的POM缺失，没有可用的依赖信息

问题原因：
子模块的jar包没有安装到本地maven库。
解决方法：
执行maven的安装命令，在从主项目打包即可。

子模块安装后，maven库里会增加子模块jar包。