Portia - 用 Python 编写 无需编程知识的开源可视爬虫工具

Portia 是一个用 Python 编写无需任何编程知识，就能可视爬取网站数据的开源工具。无需下载或安装任何东西，因为，Portia 是运行在您的 Web 浏览器中。

Scrapinghub 的 Portia 项目完全开源且可被导出，还可用于其它开源项目，为用户提供所有自由和开放源码好处。

通过点击您想爬取的页面元素创建一个爬取模板，然后，Portia 会创建一个蜘蛛，从而对网站类似页面进行爬取。具体工作原理：首先，用 Portia 注解网页，以确定希望提取的数据；然后，Portia 会基于这些注解，理解如何从类似网页爬取数据。

Portia 是 scrapyhub 开源的一款可视化爬虫规则编写工具。Portia 提供了可视化的 Web 页面，只需通过简单点击，标注页面上需提取的相应数据，无需任何编程知识即可完成爬取规则的开发。这些规则还可在 Scrapy 中使用，用于抓取页面。

运行 Portia 的最简单方式，是使用 Vagrant。

自动 "批量" 挖掘 "深网 暗网" 内容的爬取 "数据采集" 工具

http://collect.digitser.cn/

http://forum.digitser.cn/thread-2253-1-1.html

软件仓库

https://github.com/digitser

https://digitser.sourceforge.io/

https://pan.baidu.com/s/1TV70__Be1ta0ney1-tudFQ

先克隆 Portia 储存库：

然后，在 Portia 目录内，执行：