目录
    1.1.2 ForeSpider数据采集引擎介绍
    视频教程:模板下载:

    ForeSpider数据采集分析引擎,是天津市前嗅网络科技有限公司自主知识产权的,通用性互联网数据采集软件,且具备强大的文本挖掘、数据清洗、智能分析、可视化图表等分析功能。

    软件内置了前嗅自主研发的浏览器内核,几乎可以采集互联网上所有公开的数据。通过可视化的操作流程,从建表、过滤、采集到入库一步到位。软件首创了面向对象的爬虫脚本语言系统,如果有通过可视化采集不到的内容,可以通过简单几行代码,实现强大的脚本采集。

    台式机单机采集能力可达4000-8000万,日采集能力超过500万。服务器单机集群环境的采集能力可达8亿-16亿,日采集能力超过4000万。并行情况下可支撑百亿以上规模数据链接。


    1.强大:可以抓取互联网上100 %的公开数据

    内置强大数据挖掘功能。

    支持Cookie、登录、验证码识别采集。

    支持POST请求HTTPS安全协议OAuth认证。

    支持搜索栏的关键词搜索采集。

    支持JS动态生成页面采集。

    支持IP代理采集。

    支持图片、视频、音频、文件资源采集。

    支持本地文件目录采集。

    内置面向对象的脚本语言系统,配置脚本可以采集几乎100%的互联网公开数据。

    2.可视化+爬虫脚本语言+正则表达式

    ForeSpider是可视化的通用性采集软件,同时内置了强大的爬虫脚本语言。如果有通过可视化采集不到的内容,都可以通过简单几行代码,实现强大的脚本采集。软件同时支持正则表达式操作,可以通过可视化、正则、脚本任意方式,实现对数据的清洗、规范。

    3.集成数据挖掘功能

    软件内部集成了数据挖掘功能,可以通过一个采集模板,精准挖掘全网的内容。在数据采集入库的同时,可以完成分类、统计、自然语言处理等诸多功能。

    软件与公司的ForeAna数据分析系统对接,可以实现强大的数据分析功能,对数据进行深度的大数据分析。

    独立知识产权JS引擎,精准采集。

    4.精准:精准采集所需数据

    内部集成数据库,数据直接采集入库。

    内部创建数据表结构,抓取数据后直接存入数据库相应字段。

    根据dom结构自动过滤无关信息。

    通过模板配置链接抽取和数据抽取,目标网站的所有可见内容均可采集,智能过滤无关信息。

    采集前数据可预览采集,随时调整模板配置,提升数据精度和质量。

    字段的数据支持多种处理方式。

    支持正则表达式,精准处理数据。

    支持脚本配置,精确处理字段的数据。

    5.高性能:千万级的采集速度

    C++编写,具备绝佳采集性能。

    支持多线程、多进程采集。

    台式机单机采集能力可达4000-8000万,日采集能力超过500万。

    服务器单机采集能力可达8亿-16亿,日采集能力超过4000万。

    并行情况下可支撑百亿以上规模数据链接,堪与百度等搜索引擎系统媲美。

    软件性能稳健,稳定性好。

    6.简易高效:节约70%的配置时间

    完全可视化的配置界面,操作流程顺畅简易。

    基本不需要计算机基础,代码薄弱人员也可快速上手,降低操作门槛,节省企业爬虫工程师成本。

    过滤采集入库一步到位,集成表结构配置、链接过滤、字段取值、采集预览、数据入库。

    数据智能排重。

    内置浏览器,字段取值直接在浏览器上可视化定位。

    7.数据管理:数据智能入库

    数据存储在用户本地计算机,不会上传至前嗅服务器,保证数据独有,更加安全。

    内置数据库,数据采集完毕直接存储入库。

    在软件内部创建数据表和数据字段,直接关联数据库。

    采集数据时配置数据模板,网页数据直接存入对应数据表的相应字段。

    正式采集之前预览采集结果,有问题及时修正配置。

    数据表可导出为csv格式,在Excel工作表中浏览。

    数据可智能排除,二次清洗过滤。

    8.智能:智能模拟用户和浏览器行为

    智能模拟浏览器和用户行为,突破反爬虫限制。

    自动抓取网页的各类参数和下载过程的各类参数。

    支持动态IP代理加速,智能过滤无效IP代理,提升代理的利用效率和采集质量。

    支持动态调整数据抓取策略,多种策略让您的数据无需重采,不再担心漏采,数据采集更智能。

    自动定时采集。

    设置采集任务条数,自动停止采集。

    设置文件大小阈值,自动过滤超大文件。

    自由设置浏览器是否加速,自动过滤页面的flash等无关内容。

    智能定位字段取值区域。

    可以根据字符串特征自动定位取值区域。

    智能识别表格的多值,表格数据可以完美存入相应字段。

    9.增值服务

    VIP客服持续在线服务,解决各类技术难题,可以远程帮助完成配置。

    提供大量免费的采集模板,用户可以下载导入。

    软件被防爬后,免费提供解决方案和软件的针对性升级。

    免费升级后续不断开发的更多功能。

    账号不绑定计算机,可以任意更换使用的计算机。

    为用户提供各类高端定制化服务,全方位来满足用户的数据需求。