document for avalon

webmagic-avalon.md

+WebMagic-Avalon项目手册
+=======
+WebMagic-Avalon项目的目标是打造一个可配置、可管理的爬虫，以及一个可分享配置/脚本的平台，从而减少熟悉的开发者的开发量，并且让**不熟悉Java技术的人**也能简单的使用一个爬虫。
+
+## Part1:webmagic-scripts
+
+目标：使得可以用简单脚本的方式编写爬虫，从而为一些常用场景提供可流通的脚本。
+例如：我需要抓github的仓库数据，可以这样写一个脚本(javascript)：
+
+[https://github.com/code4craft/webmagic/tree/master/webmagic-scripts](https://github.com/code4craft/webmagic/tree/master/webmagic-scripts)
+
+这个功能目前实现了一部分，但最终结果仍在实验阶段。欢迎大家积极参与并提出意见。
+
+## Part2:webmagic-pannel
+
+一个集成了加载脚本、管理爬虫的后台。计划中。
+
+## Part3:webmagic-market
+
+一个可以分享、搜索和下载脚本的站点。计划中。
+
+## 如何参与
+
+webmagic目前
\ No newline at end of file

webmagic-scripts/README.md

+webmagic-scripts
+======
+## 目标：
+使得可以用简单脚本的方式编写爬虫，从而为一些常用场景提供可流通的脚本。
+
+## 实例:
+例如：我需要抓github的仓库数据，可以这样写一个脚本(javascript)：
+
+```javascript
+var name=xpath("//h1[@class='entry-title public']/strong/a/text()")
+var readme=xpath("//div[@id='readme']/tidyText()")
+var star=xpath("//ul[@class='pagehead-actions']/li[1]//a[@class='social-count js-social-count']/text()")
+var fork=xpath("//ul[@class='pagehead-actions']/li[2]//a[@class='social-count']/text()")
+var url=page.getUrl().toString()
+if (name!=null){
+    println(name)
+    println(readme)
+    println(star)
+    println(url)
+}
+
+urls("(https://github\\.com/\\w+/\\w+)")
+urls("(https://github\\.com/\\w+)")
+```
+
+然后使用webmagic加载并启动它，无需下载依赖、编写代码、执行的过程。
+
+如果已经有人写好了脚本，那么你直接使用就可以了！
+
+## 语言:
+
+选用javascript是因为用户面比较广。目前还支持ruby语言，选用ruby是因为ruby的语法编写DSL更简洁：
+
+```ruby
+name= xpath "//h1[@class='entry-title public']/strong/a/text()"
+readme = xpath "//div[@id='readme']/tidyText()"
+star = xpath "//ul[@class='pagehead-actions']/li[1]//a[@class='social-count js-social-count']/text()"
+fork = xpath "//ul[@class='pagehead-actions']/li[2]//a[@class='social-count']/text()"
+url=$page.getUrl().toString()
+
+puts name,readme,star,fork,url unless name==nil
+
+urls "(https://github\\.com/\\w+/\\w+)"
+urls "(https://github\\.com/\\w+)"
+```
+
+这个功能目前仍在实验阶段。欢迎大家积极参与并提出意见。
\ No newline at end of file

webmagic-scripts/src/main/resources/js/github.js

+var name=xpath("//h1[@class='entry-title public']/strong/a/text()")
+var readme=xpath("//div[@id='readme']/tidyText()")
+var star=xpath("//ul[@class='pagehead-actions']/li[1]//a[@class='social-count js-social-count']/text()")
+var fork=xpath("//ul[@class='pagehead-actions']/li[2]//a[@class='social-count']/text()")
+var url=page.getUrl().toString()
+if (name!=null){
+    println(name)
+    println(readme)
+    println(star)
+    println(url)
+}
+
+urls("(https://github\\.com/\\w+/\\w+)")
+urls("(https://github\\.com/\\w+)")
\ No newline at end of file

webmagic-scripts/src/main/resources/js/oschina.js

@@ -8,4 +8,4 @@ var config = {
 }
 title = $("div.BlogTitle h1"),
 content = $("div.BlogContent")
-urls("http://my\\.oschina\\.net/flashsword/blog/\\d+")
\ No newline at end of file
+urls("http://my\\.oschina\\.net/flashsword/blog/\\d+")

webmagic-scripts/src/main/resources/ruby/github.rb

+name= xpath "//h1[@class='entry-title public']/strong/a/text()"
+readme = xpath "//div[@id='readme']/tidyText()"
+star = xpath "//ul[@class='pagehead-actions']/li[1]//a[@class='social-count js-social-count']/text()"
+fork = xpath "//ul[@class='pagehead-actions']/li[2]//a[@class='social-count']/text()"
+url=$page.getUrl().toString()
+
+puts name,readme,star,fork,url unless name==nil
+
+urls "(https://github\\.com/\\w+/\\w+)"
+urls "(https://github\\.com/\\w+)"
\ No newline at end of file