Pholcus 使用手册

logo

Pholcus(幽灵蛛)是一款纯Go语言编写的高并发、分布式、重量级爬虫软件,支持单机、服务端、客户端三种运行模式,拥有Web、GUI、命令行三种操作界面;规则简单灵活、批量任务并发、输出方式丰富(mysql、mongodb、csv、excel等)、有大量Demo共享;同时她还支持横纵向两种抓取模式,支持模拟登录和任务暂停、取消等一系列高级功能。

模块构成

框架特点

  1. Pholcus(幽灵蛛)以高效率,高灵活性和人性化设计为开发的指导思想;

  2. 支持单机、服务端、客户端三种运行模式,即支持分布式布局,适用于各种业务需要;

  3. 支持Web、GUI、命令行三种操作界面,适用于各种运行环境;

  4. 支持mysql/mongodb/csv/excel等多种输出方式,且可以轻松添加更多输出方式;

  5. 采用surfer高并发下载器,支持 GET/POST/HEAD 方法及 http/https 协议,同时支持固定UserAgent自动保存cookie与随机大量UserAgent禁用cookie两种模式,高度模拟浏览器行为,可实现模拟登录等功能;

  6. 服务器/客户端模式采用teleport高并发socketAPI框架,全双工长连接通信,内部数据传输格式为JSON;

  7. 对采集规则进行了精心设计,支持静态编译与动态JS两种规则,灵活简单且有大量Demo,写规则就是这么轻松;

  8. 支持横纵向两种抓取模式,并且支持任务暂停、取消等操作。

贡献者名单

贡献者 贡献内容
henrylee2cn 软件作者
kas surfer下载器中phantomjs内核
wang898jian 完全手册贡献者

第三方依赖包

  1. go get github.com/pholcus/spider_lib
  2. go get github.com/henrylee2cn/teleport
  3. go get github.com/PuerkitoBio/goquery
  4. go get github.com/robertkrimen/otto
  5. go get github.com/andybalholm/cascadia
  6. go get github.com/lxn/walk
  7. go get github.com/lxn/win
  8. go get github.com/go-sql-driver/mysql
  9. go get github.com/jteeuwen/go-bindata/...
  10. go get github.com/elazarl/go-bindata-assetfs/...
  11. go get gopkg.in/mgo.v2
  12. <以下需翻墙下载>
  13. go get golang.org/x/net/html
  14. go get golang.org/x/text/encoding
  15. go get golang.org/x/text/transform

(在此感谢以上开源项目的支持!)

开源协议

Pholcus(幽灵蛛)项目采用商业应用友好的Apache License v2.发布