软件推荐丨GoldDataSpider网页数据抽取工具

　　点击右上方，关注开源中国OSC头条号，获取最新技术资讯
　　GoldDataSpider 是用于抓取网页和抽取数据的工具。其核心代码是从金色数据抓取融合平台分离而来。
　　该项目提供抓取和抽取来自网页数据，不仅可以抽取网页内的内容，还能抽取URL、HTTP报头、Cookie里的数据。
　　该项目定义了一种简洁、灵活、敏捷的结构或者说是规则语法。极尽其所能将网页内容、HTTP报头、Cookie、甚至关联其它网页、其它网站数据，抽取出有意义有价值数据字段，组成一条数据记录。除此之外，还能内嵌http请求，以补充数据字段，比如某些字段需要向词典提供翻译这样的字段等等。
　　该项目还可支持从各种类型文档抽取数据，比如html/xml/json/javascript/text等。
　　我们还提供了规则可视化配制，请下载采集数量不受限、爬虫数量不受限、导出数据数量不受限的完全免费金色数据平台社区版 。以及详尽的文档
　　使用入门
　　首先，我们需要将依赖加入项目当中，如下：
　　1、对于maven项目<dependency>
　　<groupId>com.100shouhou.golddata</groupId>
　　<artifactId>golddata-spider</artifactId>
　　<version>1.1.3</version>
　　</dependency>
　　2、对于gradle项目 compile group: ＂com.100shouhou.golddata＂, name: ＂golddata-spider＂, version: ＂1.1.3＂
　　然后你将可以使用该依赖所提供的简洁清晰的API，如下:@Test
　　public void testGoldSpider(){
　　String ruleContent=
　　＂ { \n＂+
　　＂ __node: li.sky.skyid \n＂+
　　＂ date: \n＂+
　　＂ { \n＂+
　　＂ expr: h1 \n＂+
　　＂ __label: 日期 \n＂+
　　＂ } \n＂+
　　＂ sn: \n＂+
　　＂ { \n＂+
　　＂ \n＂+
　　＂ js: md5(baseUri+item.date+headers[＂Content-Type＂]);\n＂+
　　＂ } \n＂+
　　＂ weather: \n＂+
　　＂ { \n＂+
　　＂ expr: p.wea \n＂+
　　＂ } \n＂+
　　＂ temprature: \n＂+
　　＂ { \n＂+
　　＂ expr: p.tem>i \n＂+
　　＂ } \n＂+
　　＂ } \n＂;
　　GoldSpider spider= com.xst.golddata.GoldSpider.newSpider()
　　.setUrl(＂http://www.weather.com.cn/weather/101020100.shtml＂)
　　.setRule(ruleContent)
　　.request();
　　List list=spider.extractList();
　　// List<Weather> weathers=spider.extractList(Weather.class);
　　// Weather weathers=spider.extractFirst(Weather.class);
　　list.forEach( System.out::println);
　　}
　　运行上面的测试，你将可以看类似下面的输出：{date=19日（今天）, weather=阴转小雨, temprature=10℃, sn=8bc265cb2bf23b6764b75144b255d81d}
　　{date=20日（明天）, weather=小雨转多云, temprature=11℃, sn=9efd7e7bbbfb9bb06e04c0c990568bfd}
　　{date=21日（后天）, weather=多云转中雨, temprature=11℃, sn=728539ac882721187741708860324afa}
　　{date=22日（周六）, weather=小雨, temprature=9℃, sn=a23fa2233e750a3bdd11b2e200ed06c3}
　　{date=23日（周日）, weather=小雨转多云, temprature=8℃, sn=b27e1b8a8e92a7bed384ceb3e4fdfb5f}
　　{date=24日（周一）, weather=多云转小雨, temprature=8℃, sn=c142b7fd12330ca031dd96b307c0d50d}
　　{date=25日（周二）, weather=小雨转中雨, temprature=6℃, sn=16f71d3c8f09394588532a3ed1a8bacf}
　　当作Service或者API使用
　　你可以在项目中，可以当作调用服务和API使用。例如如下：@Service
　　public class WeatherServiceImpl implements WeatherService{
　　public List<Weather> listByCityId(Long cityId){
　　String url=＂http://www.weather.com.cn/weather/＂+cityId+＂.shtml＂
　　String rule=＂<同上>＂
　　GoldSpider spider= com.xst.golddata.GoldSpider.newSpider()
　　.setUrl(url)
　　.setRule(ruleContent)
　　.request();
　　return spider.extractList(Weather.class);
　　}
　　}
　　对于可视化配制，可以参考免费社区版文档。以下就免费社区版做简单介绍 ，详情见官网！
　　免费社区版：
　　开源/免费
　　让用户更好理解和使用产品
　　我们针对数据采集免费，还开放和维护核心的开源代码项目。让用户可以更好的使用、理解采集，用好采集。 让用户在各种场景应用金色数据采集带来的便利，我们有信心让客户见到一个开放的数据平台，让用户放心/省心/省力。
　　自由/灵活
　　透出一股强大的采集核心
　　我们的采集器，将向用户暴露一切目标数据，除了常规网页内容，还有如URL、HTTP报头、Cookie等。还提供了各种解析工具和函数，让用户不仅能得到网页内容里的数据，还能得到URL、HTTP报头、Cookie里隐藏的核心数据，还能灵活做到智能防封。
　　分布式采集
　　私有云，更灵活，更安全，更放心
　　可以根据自身需求，随意部署采集器数量，7*24小时不间断运行，采集后端集中灵活控制。可自由指挥数据在哪个采集器采集。可定义定时采集，无需人员值守。
　　数据可关联可追踪
　　恢复/重建数据内在与外在价值
　　可以让每条数据随着目标网站目标内容更新（如商品价格）、而更新用户应用表该条数据相关字段内容。
　　非侵入式融合
　　融合从未如此现实和简单
　　完全可以在不改变用户应用表结构（增删改表列），而将采集数据融入到应用表中。
　　自动化/一体化
　　无需人力操作，即抓即用
　　不只是采集可以自动化抓取，融合也提供了手动化和强大自动化功能。还将采集与融合操作无缝对接，可将目标数据抓一条融合一条，实时流向应用表，做到即抓即用！
　　点击下方链接，获取软件下载地址↓↓↓
　　GoldDataSpider首页、文档和下载 - 网页数据抽取工具 - 开源中国