Java 网络爬虫:Egg

jopen 9年前

Egg简介

    Egg简单小巧,效率很高,速度很快,配置简单方便,接口简洁,适合多种数据访问方式。实测,在20M无线网下(隔了个墙,所以有时不稳定)速度稳定在1.2-2.5M/S,峰值可以达到3M.实测抓取百度百科,1000网页大概在 17-20秒左右。10000在1:50-2:30左右。

速度说明:

实测说明,在20M无线网下(隔了个墙,不一定稳定)

    1.爬取1000网页,重复爬取十次

        a.8核,耗时平局在15秒左右 

        b.16核,平均耗时12秒左右

        c.32核,平均耗时12秒左右  

    所以默认情况下使用16核  

开发说明:

    作者是在校大学生,非常希望能通过自己的努力,可以推动一点开源事业的发展,很希望可以为开源做出自己的一份贡献,更希望能够在一个深入发掘。Egg虽然还有很多不如人意的地方,但是作为在校大学生,会为大家及时解决并更新代码。遇到有需要的需求,可以及时添加功能,和大家广泛交流。作为开发者,在开发出简单易懂,容易使用的软件做着努力,所以,初学者我认为也应该很容易可以从它里面获取自己想要的。大家可以阅读源码,熟悉代码流程,和相关包的使用。

功能

    1.可以通过各种方式爬取网页,当然有些并不完善,在目前主要实现get,post,其余会继续开发

    2.可以从网页中提取出内容

    3.其余在仍在开发....


希望:

    作为开发者当然希望越来越多的人使用它。并且可以为它提出你宝贵的意见和建议。

 

项目主页:http://www.open-open.com/lib/view/home/1440248976614