-
记一次企业级爬虫系统升级改造（一）
项目缘由：
公司一直有一个半死不活的爬虫系统，在爬取着市面上竞争公司官网的一些活动、文章等内容。
由于该系统的开发人员已离职快两年，多次经手，现已基本失去爬取能力，每周的报表都得靠人工汇总。
在我们这个以移民业务为主，IT部门隶属于后勤服务的所谓的大企业的子公司里面，英勇的前任leader满口答应高层可以对这个系统进行重新规划改造，来support公司业务（主要就是爬取别人家的活动信息，自己的销售悄悄跑过去抢客户，顺带爬取别人的优秀文章发在自己的相关产品里面...等等）。
好吧，这些本就与我无关。但可怜的我躲角落里还是中枪了，前任leader几个关键词一列，会议上随便一吹，这个伟大而光荣的任务就落在我头上了......
最主要是我手上还有其他小矮人（介绍一下：我们这个服务型IT部门，有“一个白雪公主，10几个小矮人”的项目需要支持）在进行中。
申请人员，没有！申请资源，没有！申请需求，没有！什么？现有爬虫项目的交接？能找到源码就不错了，要啥交接！...
本就不堪一击的一件事，偶遇leader在项目启动前离职（所以叫前任），独剩我一个人孤苦伶仃。
当然，我们出来混程序的，有所为有所不为！抱怨过后，该干还得干，心里还得美滋滋的想着“这是领导们对我能力的一种信任”，都是为了生活啊...
程序员可以让步，却不可以退缩，可以羞涩，却不可以软弱，总之，程序员必须是勇敢的。
现有旧爬虫系统分析：
时间紧迫，简单的梳理了现有爬虫系统代码：
1.系统整体构架是一个权限管控系统，爬虫相关功能只占整体的20%不到（具体当时的缘由未知）
2.爬虫功能有两套方法共存：正则表达式与AngleSharp
3.代码基本规范，解析活动数据方法较死，冗余在爬取方法里面
贴两个主要类出来秀一秀，让它们也见见光，毕竟是以前的工程师花了心血的。
View Code
编程是一种单调的生活，因此程序员比普通人需要更多的关怀，更多的友情。
新爬虫系统规划：
公司懂这一方面的人几乎没有，我也仅限于在博客园偶尔看看各位大拿的相关文章，自己也就给自己的小网站爬过点美女图片...
要真说到一个企业级的爬虫系统，我想整体规划里面爬虫相关占比应该不到30%才对。
毕竟，公司做一个爬虫系统的目的绝不是为了简单的爬取一些数据。
我分析的一个企业级的爬虫系统应该具有的主体功能如下（还请各位资深人士多多指教）：
1.爬取指定数据
2.规则化爬取到的数据（这一点很重要，就像我们爬取到的活动类文章，是需要在内容中准确提炼出活动时间、活动地点、参会人数、活动类别、主讲嘉宾等信息的）
3.数据报表分析、自动邮件订阅推送
4.文章全文检索（活动以外的文章数据，可以作为整个行业的时讯基库存在，将成为企业其他网站、微信等文章资源的来源）
5.基本统计分析
6.辅助决策支持（当然，这一点肯定是大BOSS门提出来的啦~~）
在与boss碰头一两次后，做了这个系统的第一份头脑风暴图：
经过一番讲解与讨论（我也不确定，boss们是否听明白了我的方案），boss们拍板“没啥大问题，给你一个月自己去做吧，做完拿出来给我们用”。
对，你没听错，就是一个月，还是在我手上有其他项目，并且不给任何资源的情况下，当时就泪崩在现场！
不过上有政策，下有对策，人总不能被尿憋死！
于是乎过了两天，我又新给出了更具体的方案：
1.新系统职能主要是数据支持，不再是单一的爬虫系统，取了一个高大上的名字“Support云”
2.抽象的数据处理流程图
3.对boss更加抽象的最终服务方案图
再配上一张规划排期的excel表格。顺利的与boss畅谈个把小时，最终确定按我的排期，第一个月只做排期表的第一版功能。
欧耶~~目的终于达到，不然稳妥妥的自己把自己加班加死最后还捞不着好！
非优秀的程序员常常把空间和时间消耗殆尽，优秀的程序员则总是有足够的空间和时间去完成编程任务，而且配合近乎完美。
项目进展：
当前已正式启动，博主已开始进行新爬虫系统项目的搭建。
每周都会发一篇博客记录相关的方案与框架代码，直至项目最终上线，欢迎大家来吐槽~~~
我们应该重视团队的精神，一个人作用再大，也不过是一碗水中比较大的一粒水珠而已。
这句话送给现在的boss！！！
原创文章，代码都是从自己项目里贴出来的。转载请注明出处哦，亲~~~
出处：
https://www.cnblogs.com/csqb-511612371/p/6112844.html
