java网络爬虫小程序

【文件属性】：
文件名称：java网络爬虫小程序
文件大小：286KB
文件格式：RAR
更新时间：2014-04-09 16:11:12
java网络爬虫 设计并实现crawler 程序 对 crawler 的功能要求如下，但不限于此： （1） 能够搜集本站内的所有网页，能提取出其中的URL 并加入到待搜集的URL 队列 中，对非本网站域名的URL，只允许搜集首页，记录发现的URL 即可；对搜集的结果，产 生2 个URL 列表：站内搜集URL、非站内（站外）发现URL； （2）使用User-agent 向服务器表明自己的身份； （3）能对HTML 网页进行解析，提取出链接URL，能判别提取的URL 是否已处理过， 不重复下载和解析已搜集过的网页； （4）能够对crawler 的一些基本参数进行设置，包括：搜集深度（depth）、文件类型、 文件大小等。 （5）对搜集的过程生成日志文本文件，格式为三元组： 时间戳(timestamp) Action URL Action 可表示当前的处理动作，例如processing（处理），parsing（解析），downloading （下载）等。对Action 的定义，请在实验报告中详细说明。 （6）遵循礼貌规则。必须分析robots.txt 文件和meta tag 有无限制；一个线程抓完一个 网页后要适当停顿（sleep）；最多允许与被搜集站点同时建立2 个连接（本地做网页解析的 线程数则不限）。 （7）采用多线程并行编程技术，提高搜集速度。

【文件预览】：
crawler
----实验1()
--------Crawler实验报告.doc(347KB)
--------crawler()