1、网络爬虫

按照一定的规则爬取网页上的信息，通常是爬取到一些URL之后然后对这些URL放入队列在一次次的进行搜索。

2、Java爬虫网页

网页的内容，找到在网页中的其它链接地址，然后通过这些链接地址寻找下一个网页，这样一直循环下去，直到把这个网站所有的网页都抓取完为止。如果把整个互联网当成一个网站，那么网络蜘蛛就可以用这个原理把互联网上所有的网页都抓取下来。

3、Java爬虫爬取网页内容方法：用apache提供的包

// commons-httpclient-3.1.jar
// commons-logging-1.0.4.jar
public static String createhttpClient(String url, String param) {
   HttpClient client = new HttpClient();
   String response = null ;
   String keyword = null ;
   PostMethod postMethod = new PostMethod(url);
//  try {
//   if (param != null)
//    keyword = new String(param.getBytes("gb2312"), "ISO-8859-1");
//  } catch (UnsupportedEncodingException e1) {
//   // TODO Auto-generated catch block
//   e1.printStackTrace();
//  }
   // NameValuePair[] data = { new NameValuePair("keyword", keyword) };
   // // 将表单的值放入postMethod中
   // postMethod.setRequestBody(data);
   // 以上部分是带参数抓取,我自己把它注销了．大家可以把注销消掉研究下
   try {
    int statusCode = client.executeMethod(postMethod);
    response = new String(postMethod.getResponseBodyAsString()
      .getBytes( "ISO-8859-1" ), "gb2312" );
      //这里要注意下 gb2312要和你抓取网页的编码要一样
    String p = response.replaceAll( "//&[a-zA-Z]{1,10};" , "" )
      .replaceAll( "<[^>]*>" , "" ); //去掉网页中带有html语言的标签
    System.out.println(p);
   } catch (Exception e) {
    e.printStackTrace();
   }
   return response;
}

Java爬虫中使用apache提供的包爬取网页内容还是很方便的，大家可以套入代码使用哦~更多java学习推荐：java教程。

（推荐操作系统：win7系统、java10版，DELL G3电脑。）