https://github.com/Yurunsoft/yurun-crawler

宇润爬虫框架(Yurun Crawler) 是一个低代码、高性能、分布式爬虫采集框架，基于 imi 框架开发，运行在 Swoole 常驻内存的协程环境。
https://github.com/Yurunsoft/yurun-crawler

Last synced: 10 days ago
JSON representation

宇润爬虫框架(Yurun Crawler) 是一个低代码、高性能、分布式爬虫采集框架，基于 imi 框架开发，运行在 Swoole 常驻内存的协程环境。

• Host: GitHub
• URL: https://github.com/Yurunsoft/yurun-crawler
• Owner: Yurunsoft
• License: mit
• Created: 2020-06-22T11:28:57.000Z (about 4 years ago)
• Default Branch: master
• Last Pushed: 2020-11-04T02:21:37.000Z (over 3 years ago)
• Last Synced: 2024-04-08T03:52:26.429Z (3 months ago)
• Language: PHP
• Homepage:
• Size: 170 KB
• Stars: 38
• Watchers: 4
• Forks: 7
• Open Issues: 0
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Lists

• awesome-swoole - yurun-crawler - A framework to build high-performance, distributed web crawler. :globe_with_meridians: (Web Applications)

README

        
# yurun-crawler

[![Latest Version](https://img.shields.io/packagist/v/yurunsoft/crawler.svg)](https://packagist.org/packages/yurunsoft/crawler)

[![Travis](https://img.shields.io/travis/Yurunsoft/yurun-crawler.svg)](https://travis-ci.org/github/Yurunsoft/yurun-crawler)

[![Php Version](https://img.shields.io/badge/php-%3E=7.1-brightgreen.svg)](https://secure.php.net/)

[![Swoole Version](https://img.shields.io/badge/swoole-%3E=4.3.0-brightgreen.svg)](https://github.com/swoole/swoole-src)

[![imi Doc](https://img.shields.io/badge/docs-passing-green.svg)](https://doc.imiphp.com)

[![imi License](https://img.shields.io/badge/license-MIT-brightgreen.svg)](https://github.com/Yurunsoft/crawler/blob/master/LICENSE)

## 介绍

宇润爬虫框架(Yurun Crawler) 是一个低代码、高性能、分布式爬虫采集框架，这可能是最一把梭的爬虫框架。

Yurun Crawler 基于 imi 框架开发，运行在 Swoole 常驻内存的协程环境。

为什么会开发这个框架？遇上有爬虫相关需求，调研了一些市面上现有的 PHP 爬虫框架，甚至是其它语言的爬虫框架，功能都十分简陋，需要编写的重复代码极多，不够一把梭。

**开发手册：**

### 目标

能够用最少的代码，方便快速地实现爬虫采集功能。

### 愿景

成为宇宙第一爬虫框架，以后提到爬虫就想到 Yurun Crawler 可以一把梭实现！

## 功能特性

* **低代码**，几乎不需要编写代码，大部分逻辑依靠注解实现

* **高性能**，基于 [imi](https://www.imiphp.com/) + [Swoole](https://www.swoole.com/) 常驻内存及协程实现。即便只开一个下载器进程，也足以支撑大量的并发下载任务。

* **分布式**，采集的流程由消息队列推动，依靠 Redis 等中间件实现纯天然的分布式特性

* 支持下载器并发**限流**

* 内置解析能力强，支持：**Dom 解析、正则、JSON、Chrome Headless 页面渲染采集**

* **代理 IP 池**，支持：MySQL、Redis

* 支持**定时采集**

* 支持**模型存储**

* 方便扩展

## 示例

**Demo Example:** 

主要采集逻辑，可通过注解的方式来编写，超级简单：

```php