SmartSpiderCluster
网页全网采集系统,是一款基于http协议的Web信息采集软件,支持集群化部署!
爬虫架构
参考设计:http://scrapy-chs.readthedocs.org/zh_CN/latest/topics/architecture.html
爬虫类型
单机、集群
爬虫接口
CrawlerEngine:系统整体调度器
Scheduler:调度器/抓取队列
Downloader:下载器
Spiders:蜘蛛/新内容发现
Message Pipeline:消息管道/数据清洗