[招募] 萌否业余项目——网页爬虫，招募 node.js 开发者

[Ariagle]

几个月前曾在 V2EX 发过类似的招募帖 http://www.v2ex.com/t/62611 ，里面有关于我们的介绍，这里就不再多写了。

上次招到了一个可♂爱的开发者，不过还是不够。最近我稍微有了点点时间，希望能够尽快将萌否 Beta4 推上线，所以还要再找个同好帮忙推进后端的开发。

现在要做的功能是：网页爬虫。更进一步，是指 ACG 媒体网站的爬虫。
我们后台已经运行有一些爬虫了，这些爬虫也是针对具体网站来写的。现在，我们要针对媒体网站来抓取信息。后续还会扩大收录范围。
由于各种原因，我们使用 node.js 来完成这类后端任务。因此我们希望你在 node.js 方面有一定的经验。
同时，我也认为同是 ACGer 才能更好地融入我们团队。

还是要注明的是，我们这个是业余项目。欢迎有兴趣、有余力、有时间的同好加入～

联系方式：
Email: ariagle [at] moefou.org
QQ: 910437475
Twitter: @Ariagle

(・ω< )★

[jasya]

_(:3」∠)_来写写练练手可以吗

[kenneth]

@Ariagle 我可以提供全套的抓取解决方案，范例：www.mvmap.com

[chengyuhui]

喵w

[davepkxxx]

惊现圆长

[Ariagle]

@jasya 这是要上生产环境的，要是你觉得不太难，也可以当作是练手= =

@kenneth 谢谢～不过现在还是想写套适用于我们自己实际情况的代码，你的方案是否属于通用型爬虫？

[kenneth]

@Ariagle 没有我爬不了的网站，只需要告诉我，你要爬那些网站，那些结构化数据即可，我提供服务器直接入你数据库都可以。

[Ariagle]

@kenneth 厉害，听着像是商业服务的程度了 Σ( ° △ °|||)︴

[kenneth]

@Ariagle 爬的同时，可以帮你把图片生成各种尺寸，按路径规则保存，等比例缩略+水印。爬虫全自动，无人值守，自动更新。mvmap就是全自动更新，不需要维护的。

[Ariagle]

@kenneth 是用什么写的呢？从长远来说，还是部署到自己服务器上比较好。

[kenneth]

@Ariagle 爬虫Python开发效率高，运行效率也不错。可以帮你部署到你的服务器，配置定时任务，全自动抓取。

[jasya]

来了个高端人士...匿了..(´･ω･｀)

[kenneth]

@Ariagle 如果你用亚马逊AWS，可以帮你配置爬虫集群，快速闪电抓取，以最短的时间，完成海量数据抓取。

[jasya]

@kenneth 突然有个问题,大哥能抓新浪微博全站吗,求解决方案

[Ariagle]

@kenneth 我们这边没什么人熟 python ，以后维护起来不方便……

[gullon]

@kenneth 用的是scrapy？
我想请我一下，有什么适合爬虫待着的vps推荐呢？

[kenneth]

@gullon 我会各种各样的爬虫，各种各样的语言的爬虫方案。Scrapy只是一个方案，mvmap用的不是这个方案。爬虫的难点在于，分布式，异步，并发，队列，数据管道，数据持久化等，考虑的点有很多。但是灵活的用。

[fetchcoin]

不就一定向采集吗？为啥不用火车头，耗费人力物力自己写？

[kenneth]

@fetchcoin 我要管理100万的域，5万的论坛，10万的博客，这么多规则，你用火车头，你觉得行吗？

[fetchcoin]

@kenneth 你自己定向采集，结构化数据，不也需要对每个点配置规则吗，别说智能结构化数据

[gullon]

@kenneth 多谢指教。
但分布式，异步，并发，队列，数据管道，数据持久化等基本上已经是搜索引擎蜘蛛的要求了吧？对普通的数据采集需要考虑这么多因素么？