- 博客(4)
- 收藏
- 关注
RSS订阅转载 JAVA爬虫WebCollector 2.x入门教程——基本概念
WebCollector是一个无须配置、便于二次开发的JAVA爬虫框架（内核），它提供精简的的API，只需少量代码即可实现一个功能强大的爬虫。WebCollector-Hadoop是WebCollector的Hadoop版本，支持分布式爬取。 目前WebCollector在Github上维护:https://github.com/CrawlScript/WebCollector 中文教程地址：http://datahref.com/book/
2015-12-25 10:55:41
1405
原创 Nutch开发者 网站发布
Nutch开发者网站提供各种Nutch教程、资讯，以及相关爬虫的资料、信息。 网站地址：http://nutcher.org/
2015-03-05 15:33:25
1965
原创 Nutch教程——导入Nutch工程，执行完整爬取 by 逼格DATA
<property name="repo.maven.org" 33 value="http://repo1.maven.org/maven2/" 34 override="false"/> 在使用本教程之前，需要满足条件： 1）有一台Linux或Linux虚拟机 2）安装JDK（推荐1.7） 3）安装Apache Ant 下载Nutch源码： 推荐使用
2015-02-09 11:30:42
20855
原创 Nutch教程——准备篇 by 逼格DATA
实在是看不下去Nutch官方的坑爹教程了，总结一套看完能懂的Nutch教程，持续更新中。 开发环境和基础： 学习Nutch，必须满足以下几个条件，缺一不可： 1）Linux环境，实在是没办法就在Windows上装Linux虚拟机。 2）熟悉JAVA。 3）有hadoop基础，能够编写hadoop下map reduce程序。 4）能够看懂Linux Shell。 下面来
2015-02-09 00:45:56
5997
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人