Pholcus 爬虫 v0.8.2,性能提升 20% 以上
Pholcus(幽灵蛛)是一款纯Go语言编写的高并发、分布式、重量级爬虫软件,支持单机、服务端、客户端三种运行模式,拥有Web、GUI、命令行三种操作界面;规则简单灵活、批量任务并发、输出方式丰富(mysql/mongodb/csv/excel等)、有大量Demo共享;同时她还支持横纵向两种抓取模式,支持模拟登录和任务暂停、取消等一系列高级功能。
V0.8.0版本更新如下:
-
移除Response;
-
重构Context,同时增加Context.GetCookie()方法;
-
重构mgo与mysql输出模块,优化连接池,增加异常重连函数,提高输出性能与稳定性;
-
优化调度器中sdl.Push()方法,降低内存占用;
-
修复不支持freebsd系统的bug;
-
规范全局代码;
-
规范日志打印格式;
-
兼容 go1.6 版本;
-
本版本通过大量代码重构与优化,减少约30%的堆栈数量。
Pholcus特点:
-
Pholcus(幽灵蛛)以高效率,高灵活性和人性化设计为开发的指导思想;
-
支持单机、服务端、客户端三种运行模式,即支持分布式布局,适用于各种业务需要;
-
支持Web、GUI、命令行三种操作界面,适用于各种运行环境;
-
支持mysql/mongodb/csv/excel等多种输出方式,且可以轻松添加更多输出方式;
-
采用surfer高并发下载器,支持 GET/POST/HEAD 方法及 http/https 协议,同时支持固定UserAgent自动保存cookie与随机大量UserAgent禁用cookie两种模式,高度模拟浏览器行为,可实现模拟登录等功能;
-
服务器/客户端模式采用teleport高并发socketAPI框架,全双工长连接通信,内部数据传输格式为JSON;
-
对采集规则进行了精心设计,支持静态编译与动态JS两种规则,灵活简单且有大量Demo,写规则就是这么轻松;
-
支持横纵向两种抓取模式,并且支持任务暂停、取消等操作。