资 源 简 介
ShootSearch是一款用C#开发的网络爬虫程序。其内核包含爬虫，存储，网页后期处理，索引生成等。 在抓取网页的过程中，可以灵活的制定多种规则，过滤URL，内置一个可无限增长的后继队列模块，可以随时暂停或者停止抓取，抓取的网页可以分时或者按照指 定大小切块存储（自定义的大文件系统）。 在网页的处理过程中，内置一个规则处理引擎，可以通过编写正则表达式灵活的提取或者过滤文字信息，将有用的信息存储到数据库（通用的数据库接口）或者 生成索引（支持Lucene和Hubble.NET）。 内置一个支持Lucene的中文切词模块。 基于Quartz.NET的任务调度（），每一个步骤（抓取，处理，生成索引）都是一个Job，每个Job都可以根据XML来灵活组合和扩充。 内置多种接口，开发人员可随时根据需求自己开发替换某个模块。
