文件名称：Go版本开源爬虫框架Creeper.zip
文件大小：377KB
文件格式：ZIP
更新时间：2022-08-06 22:27:11
开源项目
Creeper 是一个基于简单脚本（ Creeper Script ，扩展名 .crs ）的下一代开源爬虫框架。需要配合一门正经的编程语言（只开发了 Go 版本）来使用，先在 Creeper Script 内定义爬取规则，然后用 Go 代码来读取规则，再爬取资源。使用场景一般会用在需要同时采集大量不同网站，或者开发聚合阅读器时。（以后可能会增加 cli 和数据库访问支持）简单的用例：假如我想要爬取 HackerNews ，需要写出这样子的脚本，其实看起来有些类似 yaml 配合 jquery 的样子，但是其实差别挺大的。page(@page=1) = "https://news.ycombinator.com/news?p={@page}" news[]: page -> $("tr.athing") title: $(".title a.storylink").text site: $(".title span.sitestr").text link: $(".title a.storylink").href之后在 Go 文件中来读取并使用这个脚本；package main import "github.com/wspl/creeper" func main() { c := creeper.Open("./hacker_news.crs") c.Array("news").Each(func(c *creeper.Creeper) { println("title: ", c.String("title")) println("site: ", c.String("site")) println("link: ", c.String("link")) println("===") }) }执行后，将会如期地输出类似下面的内容：title: Samsung chief Lee arrested as S.Korean corruption probe deepens site: reuters.com link: http://www.reuters.com/article/us-southkorea-politics-samsung-group-idUSKBN15V2RD === title: ReactOS 0.4.4 Released site: reactos.org link: https://reactos.org/project-news/reactos-044-released === title: FeFETs: How this new memory stacks up against existing non-volatile memory site: semiengineering.com link: http://semiengineering.com/what-are-fefets/ 标签：Creeper
【文件预览】：
creeper-master
----creeper.go(2KB)
----fun.go(5KB)
----page.go(2KB)
----eh.crs(1KB)
----art()
--------Creeper.png(23KB)
--------Icon.png(5KB)
--------Creeper.ai(390KB)
----util.go(879B)
----town.go(5KB)
----LICENSE(11KB)
----README.md(5KB)
----example.crs(212B)
----main()
--------main.go(619B)
----.gitignore(289B)
----format.go(1KB)
----node.go(4KB)