搜索资源列表
网页搜索引擎
- K-PageSearch是由Kwindsoft在2007年自主研发的专为行业、专类信息检索设计的网页搜索引擎。主要功能特点：网络蜘蛛、定向采集、正文提取、中文分词、全文索引、相关度排序、网页快照、相关搜索、竞价排名；后台数据库采用Microsoft SQL Server，静态化搜索系统设计采用XML数据岛缓存搜索结果提高系统的稳定性和性能、节省服务器资源减轻系统负担。 网络蜘蛛 K风蜘蛛组件包括三大功能模块：链接采集、网页分析、无效网页扫描； 自动识别GB2312、BIG5、UTF-8、Unic
htmlparse
- 网页去标签算法，可以去除基本的常见的网页标签 从而达到正文提取-htmlparse （delete the tag of the html page）
html-extractor
- 发布一个HTML正文提取程序HTMLExtractor， 程序主要是基于内容统计的方法，暂不包含自学习能力，仅是 一个分析程序而以，网上也有别人实现了的正文提取程序，不过 大部人都当宝，都不愿意公开完整代码，有些大人实现了一些简 单的，不过分析能力和识别能力都不太理想。所以自己做了一个 简单的，本来想用PHP DOM分析器，不过大部份网页都不规范， 缺个标签啥的都很正常，所以自已又造了个简单的轮子分析HTML标 签，功能比较简单，每个元素都生成一个对象，内存方面占用比
Pro_Html
- 实现对HTML网页文件的主题内容的提取，主题包括<title>的内容，和正文的前10行内容-the code can be used to get the theme of the HTML.The conten is including of the title and the P.
Java-readability-master
- web 页面解析 1. web 页面抓取 2. html 正文提取-html context extractor
HtmlDBScanBuilder
- 从网页中提取正文，包括对网页源码的预处理，用聚类实现网页正文的提取。-extract text the html
Excel2html
- 将excel的内容转化为html格式，常用语邮件的excel提取为正文，用的jar是poi- Convert Excel to HTML
zb8
- 1、无限级多页采集，可以实现无限深度的采集 2、任务队列运行管理，支持Cron表达式 3、无限级分组任务管理，任务回收站功能 4、RSS地址采集功能 5、列表页分页采集获取功能 6、列表页附加参数获取功能 7、列表页及标签XPath可视化提取功能 8、标签纯正则替换功能 9、Http接口查看运行情况 10、导出记录为单个或多个Txt、html 文件 11、标签间自由组合功能 12、针对标签内容继续发送Http请求功能 13、无限级列表网址采集