1:url处理和html解析
2:url实体类
3:队列类
4:crawler爬虫类
5:其实原理差不多,爬虫要定制智能,我的意图是获得该网站数据 到直接插入到数据库中 ,然后建立索引,所以我把每个页面处理封装成对象 插入到数据库中,
6:爬虫的html解析可以用正则表达式,可以把所有的方法重写一个方法 通过配置文件传递表达式或者参数实现对 其他网站的爬虫数据
出处:http://iluoxuan.iteye.com/blog/1718618
来自 “ ITPUB博客 ” ,链接:https://blog.itpub.net/29119536/viewspace-1694542/ ,如需转载,请注明出处,否则将追究法律责任。