| 注册
请输入搜索内容

热门搜索

Java Linux MySQL PHP JavaScript Hibernate jQuery Nginx
jopen
12年前发布

WebSPHINX - 可定制的Java Web爬虫

WebSPHINX - 可定制的Java Web爬虫

WebSPHINX是一个Java类包和Web爬虫的交互式开发环境。Web爬虫(也叫作机器人或蜘蛛)是可以自动浏览与处理Web页面的程序。WebSPHINX由两部分组成:爬虫工作平台和WebSPHINX类包。

WebSPHINX - 可定制的Java Web爬虫

  • Multithreaded Web page retrieval in a simple application framework
  • An object model that explicitly represents pages and links
  • Support for reusable page content classifiers
  • Tolerant HTML parsing
  • Support for the robot exclusion standard
  • Pattern matching, including regular expressions, Unix shell wildcards, and HTML tag expressions. Regular expressions are provided by the Apache jakarta-regexp regular expression library.
  • Common HTML transformations , such as concatenating pages , saving pages to disk, and renaming links

项目主页:http://www.open-open.com/lib/view/home/1349946044838

 本文由用户 jopen 自行上传分享,仅供网友学习交流。所有权归原作者,若您的权利被侵害,请联系管理员。
 转载本站原创文章,请注明出处,并保留原始链接、图片水印。
 本站是一个以用户分享为主的开源技术平台,欢迎各类分享!
 本文地址:https://www.open-open.com/lib/view/open1349946044838.html
爬虫 网络爬虫