科创中国

新一代信息技术产业,信息传输、软件和信息技术服务业

产品简介

岩石信息采集系统，利用网络爬虫技术，针对定制的目标数据源，实时进行信息采集、抽取、挖掘、处理，从而为各种信息服务系统提供数据输入的整个过程。系统采用分布式框架，提供web信息采集和全文检索功能。

简单易用，自动抓取

简单易用，通过模拟用户浏览网页的方式， 自动抓取互联网信息，通过集群采集、url去重、 元数据处理、网页解析及存储，完成互联网信息采集及存储。

海量大数据采集

海量的数据处理能力，能轻松应对大数据采集需要；多线程采集，采集结果可以直接保存到本地；支持断点续采，断网后重连后可自动续采；采集速度快，抛弃落后低效的正则匹配技术，使用自己研发的解析引擎。

全文检索，覆盖全网

采集方式的对象化，正文和回复内容能实现同时采集；借助全文搜索引擎，轻松实现覆盖全文的舆情信息监测；轻松从网络批量获取所需要的信息。

平台架构

特色功能

操作简单

可视化操作，无需编程基础，熟悉电脑操作即可轻松掌握，任何人适用，通过几次点击，即可快速完成采集。

所见即所得

所见即所得浏览器可见的内容都可以采集。采集的对象包括文字内容，图片，flash动画视频等等各类网络内容。支持图文混排对象的同时采集。

面向对象采集

面向对象的采集方式。正文和回复内容同时采集的能力，分页的内容可轻松合并，采集内容可以是分散在多个页面内。结果可以是复杂的父子表结构。

智能分析

利用搜索引擎的智能解析内核，实现对网页内容的仿浏览器解析、分解、内容提取、近似页面比对等等。

分布式集群采集

多机集群采集，支持负载均衡和数据分布式存储，提高性能和可靠性。

网页去重，自动解析

对解析后网页内容进行指纹计算，重复性认定更智能，支持对网页内容细粒度的解析，支持正则表达式解析规则，能在线调试表达。

调度监控

支持周期性调度，支持人工启动、暂停、停止；可在网页中监控爬取过程中的后台日志。

视觉模拟

采集软件会模拟人的视觉来分析网页，在此基础上利用参考(模板)页面实现采集匹配工作。

智能化辅助技术

利用智能化搜索引擎的解析内核，可以帮助用户自动找到分页链接、分离页面框架内容等等，努力减少用户的操作过程。

舆情监控

借助全部中文搜素引擎，轻松实现全网舆情信息的监测，信息覆盖面最广。

大数据采集

多个爬虫节点分布式部署，协同实现海量大数据实时抓取，海量数据处理能力，可以应付大数据采集的需要。

资料收集

轻松从网络中批量获取需要的信息，利用云采集功能，可以轻松绕开被采集网站的防采集机制。如58、赶集、百姓网、阿里巴巴、慧聪等等。