无码爬虫，真香

Posted 2022-01-06 微笑很纯洁

将开源小分队设为星标 精品文章第一时间读

大家好，我是爱撸码的开源大叔。

之前和大家分享过java爬虫框架 Jsoup，可还是要敲代码才能爬取东西，运营产品还是没法直接用，时不时来找大叔我爬些数据做分析，烦得很。

于是乎去 GitHub 找了找有没有不用写代码的爬虫工具，结果还真有 SpiderFlow 无需敲代码，即可爬数据。部署好就丢给运营产品，让他们自己玩了。

简介

SpiderFlow 是一个爬虫平台，以图形化方式定义爬虫流程，无需代码即可实现一个爬虫

特性

• 支持 CSS 选择器、正则提取

• 支持 JSON/XML 格式

• 支持 Xpath/JsonPath 提取

• 支持多数据源、SQL select/insert/update/delete

• 支持爬取 JS 动态渲染的页面

• 支持代理

• 支持二进制格式

• 支持保存/读取文件(csv、xls、jpg等)

• 常用字符串、日期、文件、加解密、随机等函数

• 支持流程嵌套

• 支持插件扩展(自定义执行器，自定义函数、自定义 Controller 、类型扩展等）

• 支持 HTTP 接口

快速部署

基础环境

JDK >= 1.8
mysql >= 5.7
Maven >= 3.0 下载地址：(http://maven.apache.org/download.cgi)

搭建本地环境

导入数据库

基础表：spider-flow/db/spiderflow.sql

导入项目到 idea

修改 application.propeties

修改 spider-flow-web 下面的application.propeties

# 数据库配置
spring.datasource.username=root
spring.datasource.password=root
spring.datasource.url=jdbc:mysql://localhost:3306/spiderflow?useSSL=false&useUnicode=true&characterEncoding=UTF8&autoReconnect=true

运行项目

运行 SpiderApplication 类，看到以下信息，即启动成功

Tomcat started on port(s): 8088 (http) with context path ''
 Started SpiderApplication in 4.22 seconds (JVM running for 4.951)

使用

访问

浏览器访问：http://localhost:8088/

基础组件介绍

开始节点

仅仅是爬虫的起点，所有流程图必须有该节点。

爬取节点

该节点用于请求 HTTP/HTTPS 页面或接口。

定义变量

该节点用于定义变量之后，可以与表达式配套使用，实现动态设置各项参数(如动态请求分页地址)

变量名：变量的名字，当变量名重复时，会覆盖前一个变量。

变量值：变量的值，可以是常量，可以是表达式。

输出节点

该节点主要用于调试，测试时会把输出打印到页面中，另外也可以用来自动保存到数据库或文件。

例子：抓取百度热搜问题

从左边的组件栏中分别拖拽出那三个组件

设置爬取的节点配置

设置变量规则

设置输出

运行爬虫

得到结果：

小结

我们直接将爬虫平台部署好后，一句代码也没写就可以直接根据网站情况，创建爬虫爬取数据。就问大家 SpiderFlow 这个项目香不香？文中的例子也是比较简单的，平台还有很多高级功能，大家有兴趣可以继续探索。

好啦，今天大叔的分享就到这里了，在公众号后台回复「无码爬虫」即可获取项目源码地址。看完文章后，趁着搬砖摸鱼之时，赶快试试吧。

问君能有几多愁，开源项目解千愁，我们下期再见！

大家的点赞、收藏和评论对大叔非常重要，如文章对你有帮助还请转发支持下，谢谢！

回复【01】

即可查看往期所有的开源项目