CrunchETL 和特性抽取工具

Crunch是一個用Go語言開發(fā)的基于Hadoop的ETL和特性抽取工具，特點是速度快。

Wandora是一個通用的數(shù)據(jù)提取，管理和發(fā)布應(yīng)用程序，基于主題地圖和基于Java的。Wandora有一個圖形用戶界面，知識層次的介紹，幾個數(shù)據(jù)存儲選擇，豐富的數(shù)據(jù)提取，進(jìn)口和出口能力，以及一個嵌入式

Krabber是kVitrail的網(wǎng)頁抽取工具。 Krabber的設(shè)計目標(biāo)是提供一個可以為Java應(yīng)

Krabber是kVitrail的網(wǎng)頁抽取工具。Krabber的設(shè)計目標(biāo)是提供一個可以為Java應(yīng)用調(diào)用的、可以執(zhí)行網(wǎng)頁上的JavaScript代碼、并返回JavaScript代碼執(zhí)行后的網(wǎng)頁的HTM

Wandora是一個通用的數(shù)據(jù)提取，管理和發(fā)布應(yīng)用程序，基于主題地圖和基于Java的。 Wandor

GoldDataSpider是用于抓取網(wǎng)頁和抽取數(shù)據(jù)的工具。其核心代碼是從金色數(shù)據(jù)抓取融合平臺分離而來。該項目提供抓取和抽取來自網(wǎng)頁數(shù)據(jù)，不僅可以抽取網(wǎng)頁內(nèi)的內(nèi)容，還能抽取URL、HTTP報頭、Coo

GoldDataSpider 是用于抓取網(wǎng)頁和抽取數(shù)據(jù)的工具。其核心代碼是從金色數(shù)據(jù)抓取融合平臺分離

Tika是一個內(nèi)容抽取的工具集合(atoolkitfortextextracting)。它集成了POI,Pdfbox并且為文本抽取工作提供了一個統(tǒng)一的界面。其次，Tika也提供了便利的擴(kuò)展API，用來

Tika 是一個內(nèi)容抽取的工具集合(a toolkit for text extracting)。它

TAMS(TextAnalysisMarkupSystem)Analyzer是一個定性的文本數(shù)據(jù)抽取和分析系統(tǒng)。