# Gather Platform

**Repository Path**: mingliangluo/spider

## Basic Information

- **Project Name**: Gather Platform
- **Description**: A configurable web spider with a easy-to-use WebUI interface
- **Primary Language**: Java
- **License**: GPL-3.0
- **Default Branch**: master
- **Homepage**: https://gsh199449.github.io/gather_platform_pages/
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 25
- **Created**: 2019-11-12
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 欢迎使用 Gather Platform 数据采集与分析平台

------

[Readme in English](https://github.com/gsh199449/spider/tree/master/doc/README-en.md)

欢迎加入 `Gather Platform交流` QQ群 : 206264662

详细使用方法请参考 [在线文档](https://gsh199449.github.io/gather_platform_pages/)
 
[![Build Status](https://travis-ci.org/gsh199449/spider.svg?branch=master)](https://travis-ci.org/gsh199449/spider)

Gather Platform 数据抓取平台是一套基于[Webmagic](https://github.com/code4craft/webmagic)内核的,具有Web任务配置和任务管理界面的数据采集与搜索平台.具有以下功能

> * 根据配置的模板进行数据采集
> * 在不配置采集模板的情况下自动检测网页正文,自动抽取文章发布时间
> * 动态字段抽取与静态字段植入
> * 已抓取数据的管理,包括:搜索,增删改查,按照新的数据模板重新抽取数据
> * 对采集的数据进行NLP处理,包括:抽取关键词,抽取摘要,抽取实体词
> * 含有相关文章推荐，文章中人物、地点之间的关联关系分析

5分钟即可部署完毕,半分钟即可完成一个爬虫,开始数据采集.
不需要进行任何编码就可以完成一个功能强大的爬虫.

<img src="https://github.com/gsh199449/spider/blob/master/doc/imgs/show.gif?raw=true" alt="show"/>

## Windows/Mac/Linux 全平台支持

本系统需要如下依赖:

 - JDK 8 及以上
 - Tomcat 8.3 及以上

可选依赖组件:

  - Elasticsearch 5.0

## 部署、使用方法、二次开发手册、常见问题等全部迁移至[在线文档](https://gsh199449.github.io/gather_platform_pages/)

## 联系我

邮箱: 63388@qq.com