easychen/catgate

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

CC,保留签名、非商用。


为您推荐了相关的技术文章:

  1. Python爬虫实战4之基于Scrapy框架爬取网站图片
  2. Scrapy框架之利用ImagesPipeline下载图片
  3. Scrapy爬虫入门教程四 Spider(爬虫)
  4. demo.pyspider.org 部署经验
  5. Python 爬虫 - pyspider 框架的使用 - 后端

原文链接: github.com