开源软件名称：

golddata-spider

开源软件地址：

https://gitee.com/golddata/golddata-spider

开源软件介绍：

GoldDataSpider

介绍

金色数据采集器开源项目，是用于抓取网页和抽取数据的工具。其核心代码是从金色数据采集与融合平台分离而来。

该项目提供抓取和抽取来自网页数据，不仅可以抽取网页内的内容，还能抽取URL、HTTP报头、Cookie里的数据。

该项目定义了一种简洁、灵活、敏捷的结构或者说是规则语法。极尽其所能将网页内容、HTTP报头、Cookie、甚至关联其它网页、其它网站数据，抽取出有意义有价值数据字段，组成一条数据记录。除此之外，还能内嵌http请求，以补充数据字段，比如某些字段需要向词典提供翻译这样的字段等等。

该项目还可支持从各种类型文档抽取数据，比如html/xml/json/javascript/text等。

完全免费的GoldData社区版

GoldData社区版是一款抓取完全不受限（比如不限爬虫数量、抓取速度/时间、数据抓取数量、导出数据数量）的私有云软件，

我们提供了详细的金色数据平台免费文档和培训视频，请点击这里查看和使用。

添加QQ交流群：718556263。如果是在oschina或者github对本项目点赞将赠送一个月的专业版许可证。

技术优势

GoldData VS Scrapy

	GoldData	Scrapy
优势	1、规则简洁灵活易写，提供辅助可视化/源码编辑器 2、可反复采集数据而不产生重复 3、可同时将数据及数据关系抓取融入到数据库中	1、基于python脚本 2、第三方资料较多 3、国际化优势
劣势	目前只提供mysql数据库对接	规则与python脚本代码混合，难以维护

GoldData VS spiderman/spiderman2

	GoldData	spiderman/spiderman2
优势	1、规则简洁灵活易写，提供辅助可视化/源码编辑器 2、可反复采集数据而不产生重复 3、可同时将数据及数据关系抓取融入到数据库中
劣势	目前只提供mysql数据库对接	脚本庞大，难以维护

GoldData VS 其它商业采集器

	GoldData	其它商业采集器
优势	1、规则简洁灵活易写，提供辅助可视化/源码编辑器 2、可反复采集数据而不产生重复 3、可同时将数据及数据关系抓取融入到数据库中 4、提供完全免费不受限的数据采集功能	1、提供“可视化”采集
劣势	1、目前只提供mysql数据库对接 2、不提供"可视化"采集	1、大多情况需写脚本，“可视化”很鸡肋 2、免费版通常限制采集数量、导出数量或者爬虫数量

使用入门

首先，我们需要将依赖加入项目当中即可（因为我们已经将该项目加入到maven中央仓库），如下：

1、对于maven项目

<dependency>  <groupId>com.100shouhou.golddata</groupId>  <artifactId>golddata-spider</artifactId>  <version>1.1.4</version></dependency>

2、对于gradle项目

 compile group: 'com.100shouhou.golddata', name: 'golddata-spider', version: '1.1.4'

然后你将可以使用该依赖所提供的简洁清晰的API，如下:

@Testpublic void testGoldSpider(){    String ruleContent=            "    {                                                      \n"+            "      __node: li.sky.skyid                                 \n"+            "      date:                                                \n"+            "      {                                                    \n"+            "        expr: h1                                           \n"+            "        __label: 日期                                      \n"+            "      }                                                    \n"+            "      sn:                                                  \n"+            "      {                                                    \n"+            "                                                           \n"+            "        js: md5(baseUri+item.date+headers['Content-Type']);\n"+            "      }                                                    \n"+            "      weather:                                             \n"+            "      {                                                    \n"+            "        expr: p.wea                                        \n"+            "      }                                                    \n"+            "      temprature:                                          \n"+            "      {                                                    \n"+            "        expr: p.tem>i                                      \n"+            "      }                                                    \n"+            "    }                                                      \n";    GoldSpider spider= com.xst.golddata.GoldSpider.newSpider()            .setUrl("http://www.weather.com.cn/weather/101020100.shtml")            .setRule(ruleContent)            .request();    List list=spider.extractList();    // List<Weather> weathers=spider.extractList(Weather.class);    // Weather weathers=spider.extractFirst(Weather.class);   list.forEach( System.out::println);}

运行上面的测试，你将可以看类似下面的输出：

{date=19日（今天）, weather=阴转小雨, temprature=10℃, sn=8bc265cb2bf23b6764b75144b255d81d}{date=20日（明天）, weather=小雨转多云, temprature=11℃, sn=9efd7e7bbbfb9bb06e04c0c990568bfd}{date=21日（后天）, weather=多云转中雨, temprature=11℃, sn=728539ac882721187741708860324afa}{date=22日（周六）, weather=小雨, temprature=9℃, sn=a23fa2233e750a3bdd11b2e200ed06c3}{date=23日（周日）, weather=小雨转多云, temprature=8℃, sn=b27e1b8a8e92a7bed384ceb3e4fdfb5f}{date=24日（周一）, weather=多云转小雨, temprature=8℃, sn=c142b7fd12330ca031dd96b307c0d50d}{date=25日（周二）, weather=小雨转中雨, temprature=6℃, sn=16f71d3c8f09394588532a3ed1a8bacf}

当作Service或者API使用

你可以在项目中，可以当作调用服务和API使用。例如如下：

@Servicepublic class WeatherServiceImpl implements WeatherService{	public List<Weather> listByCityId(Long cityId){		String url="http://www.weather.com.cn/weather/"+cityId+".shtml"	    String rule="<同上>"		GoldSpider spider= com.xst.golddata.GoldSpider.newSpider()						.setUrl(url)						.setRule(ruleContent)						.request();                    return spider.extractList(Weather.class);    	}}