自动采集子系统(spring使用springcloud架构技术优劣性系统优点及优点分析)

　　自动采集子系统(spring使用springcloud架构技术优劣性系统优点及优点分析)

　　前言

　　因公司业务需要，需要获取客户提供的微信公众号文章的历史记录并每天更新。很明显，300多个公众号不能每天人工查，问题提交给IT团队。对于那些喜欢爬虫的人，我绝对想要他。之前做过搜狗的微信爬虫，之后一直在做java web。这个项目重新点燃了我对爬虫的热爱。首次使用spring cloud架构做爬虫。历时20多天，终于搞定。接下来我将通过一系列文章分享项目经验，并提供源码供大家指正！

　　要了解更多信息，请点击：

　　一、系统介绍

　　本系统基于Java开发。只需配置公众号或微信公众号，即可定时或即时抓取微信公众号文章（包括阅读、点赞、观看）。

　　要了解更多信息，请点击：

　　二、系统架构技术架构

　　Spring Cloud、SpringBoot、Mybatis-Plus、Nacos、rocketMq、nginx

　　存储

　　Mysql、MongoDB、Redis、Solr

　　缓存

　　Redis

　　代理

　　提琴手

　　三、系统优缺点系统优点

　　1、 公众号配置后，可以使用Fiddler的JS注入功能和Websocket实现自动爬取； 2、系统是分布式架构，高可用； 3、rocketMq 消息队列可以解耦。解决网络抖动导致采集失败的问题。 3次消费不成功，将日志log到mysql，保证文章的完整性； 4、可以添加任意数量的微信信号，提高采集效率，抵抗反攀登限制； 5、Redis在24小时内缓存每个微信账号的采集记录，防止账号被关闭； 6、Nacos为配置中心，采集频率可通过热配置实时调整； 7、将采集到将数据存储在Solr集群中，提高检索速度； 8、将捕获返回的记录保存在MongoDB存档中，方便查看错误日志。

　　要了解更多信息，请点击：

　　系统缺点：

　　1、通过真机真实账号采集消息，如果需要采集大量公众号，需要有多个微信账号作为支持（如果当天账号达到上限，微信公众平台界面抓取即可获取消息）； 2、不是一贴就可以抓到的公众号，采集时间是系统设置的，留言有一定的滞后性（如果公众号不多的话，微信的数量账号就够了，可以通过增加采集的频率来优化）。

　　四、模块介绍

　　因为管理系统和API调用函数会在后面添加，所以提前封装了一些函数。

　　common-ws-starter

　　公共模块：存储工具和实体等公共消息。

　　redis-ws-starter

　　Redis模块：对spring-boot-starter-data-redis进行二次封装，暴露打包好的Redis工具类和Redisson工具类。

　　rocketmq-ws-starter

　　rocketMq 模块：对 Rocketmq-spring-boot-starter 的二次封装，提供消费重试和记录故障日志功能。

　　要了解更多信息，请点击：

　　db-ws-starter

　　mysql数据源模块：封装mysql数据源，支持多数据源，自定义注解实现数据源动态切换。

　　sql-wx-spider

　　mysql数据库模块：提供mysql数据库操作的所有功能。

　　pc-wx-spider

　　PC端采集模块：收录PC端采集公众号历史相关功能。

　　java-wx-spider

　　Java提取模块：收录Java程序提取文章内容相关的功能。

　　mobile-wx-spider

　　Simulator采集模块：收录与模拟器或手机采集消息交互量相关的功能。

　　要了解更多信息，请点击：

　　五、通用流程图

　　六、在PC端和手机端运行截图

　　控制面板

　　操作结束

　　总结

　　项目的亲测现已上线，项目开发中解决了搜狗微信临时链接永久链接问题，希望能帮助到被同类业务困扰的老铁。如今，做java就像逆流而上。不前进就会后退。我不知道你什么时候参与。我希望每个人都有自己的向日葵采集。如果你看到这个，你不给它一个采集吗？

　　要了解更多信息，请点击：