内容简介:风铃虫是一款轻量级的高效爬虫工具,配置简单,方便二次开发,能抓取js渲染的网页,可以抓取任何数据,支持保存网页快照,智能防封杀,天然适合分布式。 作为疫情之后第一次更新的版本,风铃虫本次更新功能较多,...
风铃虫是一款轻量级的高效爬虫工具,配置简单,方便二次开发,能抓取js渲染的网页,可以抓取任何数据,支持保存网页快照,智能防封杀,天然适合分布式。
作为疫情之后第一次更新的版本,风铃虫本次更新功能较多,新增了通过脚本自定义数据提取功能,使得提取功能更加强大。
同时,为了普通用户更好的进行内容页判断,本次优化了内容页确认机制,可以更加方便的决定哪些页面的数据需要抓取,进一步提升抓取效率。
本次更新内容如下:
1 增加脚本提取策略,支持通过js脚本从下载的网页中个提取出符合要求的数据信息
2 增加内容页匹配规则和内容页过滤器,内容页选择方式更灵活
3 优化代码风格,规范代码,使之更符合阿里开发规约
4 优化模拟测试接口,增加内容提取测试、链接提取、网页下载、内容页规则测试接口
5 优化内容页处理策略,提升内容页处理性能
6 优化事件监听接口,对处理细节更加了然入心
7 其他一些优化
源码地址: https://gitee.com/zhiyubujian/wind-bell
API文档: https://apidoc.gitee.com/zhiyubujian/wind-bell/
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 风铃虫 1.3.0 发布,修复若干 bug
- 风铃虫 2.0.0 发布,新增抓取深度限制
- 风铃虫 2.2.0 发布,优化任务停止机制
- 风铃虫 2.2.1 发布,新增数据传递功能
- 风铃虫 2.1.0 发布,支持多任务多线程
- 风铃虫 1.3.0 发布了,新增请求上下文
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
XML 在线格式化
在线 XML 格式化压缩工具
html转js在线工具
html转js在线工具