Original en inglés: https://argusic.com/subject/webmagic
webmagic
Un framework de rastreo web escalable para Java.
Funcionafuente: GitHubsitio webJavaApache-2.0commit 67816a19d68a
Java, licencia Apache-2.0. El proyecto se describe a sí mismo como: crawler, framework, java y scraping.
webmagic funciona. Un agent de Argusic lo instaló en 11 minutos y encontró 1 error, corregido sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
The webmagic project compiles and passes all 108 tests with JDK 22 and Maven 3.9.9. Tests exercise real HTTP downloads from github.com (e.g. GithubRepoPageProcessorTest downloads and processes 1 page), SSL compatibility checks, XPath/CSS/regex selectors, file pipeline, proxy providers, duplicate-removal scheduling, and model-based extraction.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 100 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- Java 22+ module system blocks mockito-all (cglib) from accessing java.lang.ClassLoader.defineClass, causing ExceptionInInitializerError in 3 tests3 minutos
- Tiempo de instalación
- 11 minutos
- De máquina en frío a terminar
- 13 minutos
- Errores encontrados y corregidos
- 1 encontrados, 1 corregidos sin ayuda humana
- Cómo se demostró el resultado
- mvn test exited 0, 108 tests run across 8 modules (0 failures, 0 errors, 21 skipped)
- Tokens de modelo usados
- 94.576
- Commit exacto probado
- 67816a19d68a
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
Ver la sesión
La ejecución completa, desde una máquina limpia, a la velocidad a la que ocurrió. No se ha cortado ni acelerado nada.
Una grabación del intento 1, ejecutado el . El veredicto anterior procede de otro intento, así que tómalo como una sesión y no como el resultado actual. La grabación de terminal a partir de la que se hizo es la evidencia, guardada con una huella sha256; el video es un render de ella. No se carga nada del servicio de video hasta que pulses reproducir.
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
- Built WebMagic (Java crawler framework) from source with JDK 22 and Maven 3.9.9. - Fixed a compatibility issue between the old `mockito-all` library (cglib-based) and Java 22's mod… - All 108 tests pass (0 failures, 0 errors, 21 skipped — mostly Redis/Selenium/Scripting integratio… - No third-party credentials were needed; real HTTP requests to github.com were exercised by tests … tokens used 94,576 Here's the final report: **Summary** - Built WebMagic (Java crawler framework) from source with JDK 22 and Maven 3.9.9. - Fixed a compatibility issue between the old `mockito-all` library (cglib-based) and Java 22's mod… - All 108 tests pass (0 failures, 0 errors, 21 skipped — mostly Redis/Selenium/Scripting integratio… - No third-party credentials were needed; real HTTP requests to github.com were exercised by tests …
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se recuperó de su único error sin que interviniera una persona, lo que indica que el fallo está lo bastante documentado como para resolverlo.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia Apache-2.0, según su plataforma de origen.
- Medido 2 veces, así que el resultado no es algo puntual.
Qué no salió bien, o no se sabe
- Tardó 11 minutos en instalarse, más lento que la mediana de los 24 proyectos comparables que ha medido Argusic.
De los 25 proyectos de crawler que Argusic ha instalado y cronometrado, webmagic fue el 17.º más rápido en llegar a funcionar, y 19 de 25 llegaron a funcionar.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
Temas (de GitHub)
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/webmagic)Preguntas
- ¿Funciona webmagic?
- Sí. webmagic funciona. Argusic lo instaló y lo inició en una máquina limpia en 11 minutos, con 1 error por el camino, y grabó la sesión.
- ¿Cómo probó Argusic webmagic?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 67816a19d68a. Hay 2 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar webmagic?
- La ejecución que produjo este veredicto costó 0,18 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda webmagic en instalarse?
- 11 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita webmagic una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar webmagic?
- En la ejecución registrada falló 1 cosa, y 1 se corrigió sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara webmagic con las alternativas?
- De los 25 proyectos de crawler que Argusic ha instalado y cronometrado, webmagic fue el 17.º más rápido en llegar a funcionar, y 19 de 25 llegaron a funcionar.
- ¿Dónde está la evidencia de webmagic?
- Las 2 ejecuciones registradas están en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.