simplechen / slime Goto Github PK

一个可视化的爬虫平台。以流程图的方式配置爬虫，基本上无需编写代码即可完成工作。

本项目源自开源项目 spider-flow ，本着学习的目的，在它的基础上进行了重构，修复了一些问题，并增加了一些新的功能。

• 支持 xpath 和 css 选择器
• 支持选择器提取、正则提取、json 提取等
• 支持 Cookie 自动管理
• 支持抓取由 js 动态渲染的页面
• 支持代理
• 支持多数据源
• 内置常用的字符串、日期、文件、加解密等函数
• 支持结果保存至多目的地（数据库、csv 文件等）
• 支持插件扩展（自定义执行器，自定义函数等）
• 支持任务日志
• 支持爬虫可视化调试

新增的特性：

• 采用内置数据库 H2 ，做到开箱即用
• 支持同步执行，对于执行结果有顺序要求的可以使用该功能
• 增加随机 User-Agent（数据来自：useragentstring.com ）
• 增加代理的管理界面，方便进行代理的手工添加（不推荐）和启动代理的自动管理功能
• 增加身份认证机制，默认账号和密码都是 slime，可以通过环境变量 SLIME_USERNAME 和 SLIME_PASSWORD 修改
• 增加 Feed 解析功能
• 增加延迟执行节点
• 通过远程 WebDriver 来操纵浏览器（本地不用再加载驱动，更省心）

spider-flow - 新一代爬虫平台，以图形化方式定义爬虫流程，不写代码即可完成爬虫。

请勿使用本项目进行任何可能会违反法律规定和道德约束的工作。如您选择使用本项目，即代表您遵守此声明，作者不承担由于您违反此声明所带来的任何法律风险和损失。