CatGate- 基于浏览器的爬虫框架

CatGate- 基于浏览器的爬虫框架

CatGate 是一个基于浏览器插件的数据抓取工具。做成浏览器插件无需模拟登入，能最真实的模仿用户行为和特征。

演示视频

http://weibo.com/1088413295/F9P1izhY2

功能

① CatGate 会访问这个URL，这个URL应该返回一个Json格式的数组，每一个元素一个字符串（即网址）。点 ② 按钮即可载入数据，并可按 ③ 进行查看，会自动排重。⑤ CatGate 抓取到数据后，会直接 POST 给这个URL，key 为 content , 通过 $_REQUEST[‘content’] 即可获取抓取内容。⑥ 默认一秒抓取一次，如果抓取失败太多，可以增加秒数。④ 这是一个高级用法，就是 ① 这个 URL 可以不停的新增 URL，CatGate 会自动每隔一秒（可设置）去抓取并合并进来。

Demo

进入 php 目录，运行 php -S localhost:8000 即可测试。

list.php 这个页面生成了要抓取的页面列表，默认是微博收藏的页面。save.php 这个页面定义了如何处置抓到的数据，默认是保持成为文件。

安装插件

如果你不想或不能在Chrome商店安装插件，可手工安装。

chrome > extentsion > load unpacked extension > ./ext

License

CC，保留签名、非商用。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。