Original em inglês: https://argusic.com/subject/webmagic
webmagic
Um framework escalável de rastreamento web para Java.
Executafonte: GitHubpágina do projetoJavaApache-2.0commit 67816a19d68a
Java, licença Apache-2.0. O projeto se descreve como: crawler, framework, java e scraping.
webmagic executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 11 minutos e encontrou 1 erro, corrigindo-o sem ajuda, e a sessão inteira foi gravada.
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.
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 100 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- Java 22+ module system blocks mockito-all (cglib) from accessing java.lang.ClassLoader.defineClass, causing ExceptionInInitializerError in 3 tests3 minutos
- Tempo de instalação
- 11 minutos
- Da máquina limpa até o fim
- 13 minutos
- Erros encontrados e corrigidos
- 1 encontrado, 1 corrigido sem ajuda humana
- Como o resultado foi comprovado
- mvn test exited 0, 108 tests run across 8 modules (0 failures, 0 errors, 21 skipped)
- Tokens de modelo usados
- 94.576
- Commit exato testado
- 67816a19d68a
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
Assista à sessão
A execução inteira, a partir de uma máquina limpa, na velocidade em que realmente aconteceu. Nada é cortado e nada é acelerado.
Uma gravação da tentativa 1, executada em . O veredito acima vem de outra tentativa, então veja isto como uma sessão e não como o resultado atual. A gravação do terminal da qual ele foi feito é a evidência, guardada com uma impressão digital sha256; o vídeo é uma renderização dela. Nada é carregado do serviço de vídeo até você apertar o play.
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
- 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 …
Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
- Recuperou-se do único erro sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença Apache-2.0, segundo a plataforma onde o projeto está hospedado.
- Medido 2 vezes, então o resultado não é um caso isolado.
O que não deu certo, ou não se sabe
- Levou 11 minutos para instalar, mais devagar que a mediana dos 24 projetos comparáveis que a Argusic mediu.
Dos 25 projetos de crawler que a Argusic instalou e cronometrou, webmagic foi o 17º mais rápido a chegar a um estado de execução, e 19 de 25 chegaram a esse estado.
Para que é uma escolha razoável
- Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
Tópicos (de GitHub)
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/webmagic)Perguntas
- webmagic executa?
- Sim. webmagic executa. A Argusic o instalou e iniciou em uma máquina limpa em 11 minutos, encontrando 1 erro no caminho, e gravou a sessão.
- Como a Argusic testou webmagic?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 67816a19d68a. Há 2 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar webmagic?
- A execução que produziu este veredito custou US$ 0,18: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar webmagic?
- 11 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- webmagic precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar webmagic?
- 1 coisa quebrou na execução registrada, e 1 foi corrigida sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como webmagic se compara às alternativas?
- Dos 25 projetos de crawler que a Argusic instalou e cronometrou, webmagic foi o 17º mais rápido a chegar a um estado de execução, e 19 de 25 chegaram a esse estado.
- Onde estão as evidências de webmagic?
- Todas as 2 execuções registradas estão nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.