幽灵蛛(GitHub精选 | GO语言高效爬虫软件Pholcus)

《GitHub精选》是我们分享Github中优质项目的栏目，包括技术、学习、实用与各种有趣的内容。本期推荐的是一个使用Go语言编写的爬虫软件——Pholcus（幽灵蛛）。

Pholcus（幽灵蛛）是一款纯Go语言编写的高并发、分布式、重量级爬虫软件，支持单机、服务端、客户端三种运行模式，拥有Web、GUI、命令行三种操作界面；规则简单灵活、批量任务并发、输出方式丰富（mysql、mongodb、csv、excel等）、有大量Demo共享；同时它还支持横纵向两种抓取模式，支持模拟登录和任务暂停、取消等一系列高级功能。

框架特点

• 为具备一定Go或JS编程基础的用户提供只需关注规则定制、功能完备的重量级爬虫工具；
• 支持单机、服务端、客户端三种运行模式；
• GUI(Windows)、Web、Cmd 三种操作界面，可通过参数控制打开方式；
• 支持状态控制，如暂停、恢复、停止等；
• 可控制采集量；
• 可控制并发协程数；
• 支持多采集任务并发执行；
• 支持代理IP列表，可控制更换频率；
• 支持采集过程随机停歇，模拟人工行为；
• 根据规则需求，提供自定义配置输入接口
• 有mysql、mongodb、kafka、csv、excel、原文件下载共五种输出方式；
• 支持分批输出，且每批数量可控；
• 支持静态Go和动态JS两种采集规则，支持横纵向两种抓取模式，且有大量Demo；
• 持久化成功记录，便于自动去重；
• 序列化失败请求，支持反序列化自动重载处理；
• 采用surfer高并发下载器，支持 GET/POST/HEAD 方法及 http/https 协议，同时支持固定UserAgent自动保存cookie与随机大量UserAgent禁用cookie两种模式，高度模拟浏览器行为，可实现模拟登录等功能；
• 服务器/客户端模式采用Teleport高并发SocketAPI框架，全双工长连接通信，内部数据传输格式为JSON。

以上就关于Pholcus（幽灵蛛）的一些内容，官网上有详细的安装使用教程，有想学习爬虫方面知识的同学可以关注一下。

GitHub：github/henrylee2cn/pholcus

往期推荐：

机器学习入门教程

中文车牌识别开源框架HyperLPR

互联网公司常用框架和中间件源码解析

一款适合零编程基础学Python的项目