Pholcus（幽灵蛛）是一款纯Go语言编写的高并发、分布式、重量级爬虫软件，支持单机、服务端、客户端三种运行模式，拥有Web、GUI、命令行三种操作界面；规则简单灵活、批量任务并发、输出方式丰富（mysql/mongodb/csv/excel等）、有大量Demo共享；同时她还支持横纵向两种抓取模式，支持模拟登录和任务暂停、取消等一系列高级功能。
- 官方QQ群：Go大数据 42731170
-
Pholcus（幽灵蛛）以高效率，高灵活性和人性化设计为开发的指导思想；
-
支持单机、服务端、客户端三种运行模式，即支持分布式布局，适用于各种业务需要；
-
支持Web、GUI、命令行三种操作界面，适用于各种运行环境；
-
支持mysql/mongodb/csv/excel等多种输出方式，且可以轻松添加更多输出方式；
-
采用surfer高并发下载器，支持 GET/POST/HEAD 方法及 http/https 协议，同时支持固定UserAgent自动保存cookie与随机大量UserAgent禁用cookie两种模式，高度模拟浏览器行为，可实现模拟登录等功能；
-
服务器/客户端模式采用teleport高并发socketAPI框架，全双工长连接通信，内部数据传输格式为JSON；
-
对采集规则进行了精心设计，支持静态编译与动态JS两种规则，灵活简单且有大量Demo，写规则就是这么轻松；
-
支持横纵向两种抓取模式，并且支持任务暂停、取消等操作。
-
下载第三方依赖包源码，放至 GOPATH/src 目录下 [点击下载 ZIP]
-
下载保持更新状态的源码，命令行如下
go get github.com/henrylee2cn/pholcus
备注：Pholcus公开维护的spider规则库地址 https://github.com/pholcus/spider_lib
package main
import (
"github.com/henrylee2cn/pholcus/exec"
// "github.com/henrylee2cn/pholcus/logs"
_ "github.com/pholcus/spider_lib" // 此为公开维护的spider规则库
// _ "spider_lib_pte" // 同样你也可以自由添加自己的规则库
)
func main() {
// 允许日志打印行号
// logs.ShowLineNum()
// 设置运行时默认操作界面，并开始运行
// 运行软件前，可设置 -a_ui 参数为"web"、"gui"或"cmd"，指定本次运行的操作界面
// 其中"gui"仅支持Windows系统
exec.DefaultRun("web")
}
正常编译方法
go install 或者 go build
Windows下隐藏cmd窗口的编译方法
go install -ldflags="-H windowsgui" 或者 go build -ldflags="-H windowsgui"
查看可选参数:
pholcus -h
(注意：当运行web操作界面时请将 src/github.com/henrylee2cn/pholcus/web 文件夹拷贝至当前项目目录下，其中的go文件可删除)，Web版操作界面截图如下：
GUI版操作界面之模式选择界面截图如下
Cmd版运行参数设置示例如下
pholcus -a_ui=cmd -c_spider=3,8 -c_output=csv -c_thread=20 -c_docker=5000 -c_pause=300 -c_proxy=0 -c_keyword=pholcus,golang -c_maxpage=10 -c_inherit_y=true -c_inherit_n=true
请求队列中，重复的URL是否会自动去重？
url默认情况下是去重的，但是可以通过设置Request.Reloadable=true忽略重复。
URL指向的页面内容若有更新，框架是否有判断的机制？
url页面内容的更新，框架无法直接支持判断，但是用户可以自己在规则中自定义支持。
请求成功是依据web头的状态码判断？
不是判断状态，而是判断服务器有无响应流返回。即，404页面同样属于成功。
请求失败后的重新请求机制？
每个url尝试下载指定次数之后，若依然失败，则将该请求追加到一个类似defer性质的特殊队列中。
在当前任务正常结束后，将自动添加至下载队列，再次进行下载。如果依然有没下载成功的，则保存至失败历史记录。
当下次执行该条爬虫规则时，可通过选择继承历史失败记录，把这些失败请求自动加入defer性质的特殊队列……（后面是重复步骤）
go get github.com/pholcus/spider_lib
go get github.com/henrylee2cn/teleport
go get github.com/henrylee2cn/beelogs
go get github.com/henrylee2cn/mahonia
go get github.com/henrylee2cn/websocket.google
go get github.com/PuerkitoBio/goquery
go get github.com/robertkrimen/otto
go get github.com/andybalholm/cascadia
go get github.com/lxn/walk
go get github.com/lxn/win
go get github.com/tealeg/xlsx
go get github.com/go-sql-driver/mysql
go get gopkg.in/mgo.v2
<以下需翻墙下载>
go get golang.org/x/net/html
go get golang.org/x/text/encoding
go get golang.org/x/text/transform
（在此感谢以上开源项目的支持！）
Pholcus（幽灵蛛）项目采用商业应用友好的Apache License v2.发布