爬虫平台Crawlab v0.2.2发布

Crawlab是一个专注于爬虫的集成了爬虫管理、任务调度、任务监控、数据分析等模块的分布式爬虫管理平台，非常适合对爬虫管理、爬虫工程化有要求的开发者及企业。

对Crawlab还不了解的童鞋，请移步之前的文章:

• 我是如何在3分钟内开发完一个爬虫的
• 爬虫平台Crawlab v0.2发布
• 手把手教你如何用Crawlab构建技术文章聚合平台(二)
• 手把手教你如何用Crawlab构建技术文章聚合平台(一)
• 分布式通用爬虫管理平台Crawlab

分布式调度系统

Crawlab的任务调度核心模块基于Celery，因此天然支持分布式爬虫、多节点抓取。

自定义爬虫

Crawlab的自定义爬虫可兼容任何语言以及任何框架。从目前开源的框架来看，大部分爬虫平台是以scrapyd为核心，因此只能支持scrapy框架的爬虫，而Crawlab不仅支持scrapy，还支持其他框架的爬虫。

可配置爬虫

Crawlab在版本v0.2.1中新增了可配置爬虫功能，用户通过配置爬虫的抓取规则，不用写任何代码，就可以在1-3分钟内开发好一个集下载、解析、存储一体的常规爬虫。

自动提取匹配规则

在v0.2.2中，加入了自动提取列表字段规则，让用户能够一键提取匹配的列表字段，开发时间进一步降低到半分钟以内。因此Crawlab正在朝真正的“一键抓取”的目标迈进。

更新一览

v0.2.2

• [x] 自动提取匹配规则
• [x] 下载抓取结果

v0.2.1

• [x] 可配置爬虫
• [x] 网站列表

v0.2

• [x] 基础统计
• [x] 数据分析（爬虫）
• [x] 网站信息
• [x] 定时任务

待开发

• [ ] 用户管理
• [ ] 上传爬虫
• [ ] 下载爬虫
• [ ] 可配置爬虫支持动态内容
• [ ] 异常监控
• [ ] 更多爬虫例子
• [ ] 文件管理
• [ ] 日志管理
• [ ] 部署系统优化

截屏

可配置爬虫（添加）

可配置爬虫（配置）

可配置爬虫（预览）

网站列表

Github: tikazyq/crawlab