XXL-CRAWLER v1.1.0 已发布,更新如下: 新特性: 页面默认cssQuery调整为html标签; 升级Jsoup至1.11.1版本; 修复PageVO注解失效的问题; 属性注解参数attributeKey调整为selectVal; 代理IP:对抗反采集策略规则WAF; 动态代理:支持运行时动态调整代理池,以及自定义代理池路由策略; 《面向对象的分布式爬虫框架XXL-CRAWLER》 XXL-CRAWLER 是一个灵活高效、面向对象的分布式爬虫框架。一行代码开发一个分布式爬虫,拥有"多线程、异步、IP动态代理"等特性; 特性 面向对象:通过VO对象描述页面信息,提供注解方便的映射页面数据,爬取结果主动封装Java对象返回; 多线程; 扩散全站:将会以现有URL为起点扩散爬取整站; 去重:防止重复爬取; URL白名单:支持设置页面白名单正则,过滤URL; 异步:支持同步、异步两种方式运行; 自定义请求信息,如:请求参数、Cookie、userAgent等; 轻量级:底层实现仅依赖jsoup,简洁高效; 超时控制:支持设置爬虫请求的超时时间; 主动停顿:爬虫线程处理完页面之后进行主动停顿,避免过于频繁被拦截; 单个页面支持抽取一个或多个PageVO; 代理IP:对抗反采集策略规则WAF; 动态代理:支持运行时动态调整代理池,以及自定义代理池路由策略; 文档地址:中文文档 技术交流:社区交流 XXL-CRAWLER v1.1.0,面向对象的分布式爬虫框架下载地址