prideliuqq

终于成功实现网页抓取

by liuqq on 二.22, 2010, under 未分类

终于得到了能查看的网页内容，查了很多资料，最终得到了想要的结果。从此以后“巧妇难为无米之炊”的时代终于结束了！

还是Java的用着比较舒服，既省力又好用。也是今天才发现，nutch是得不到网页源码的，因为，它已经把网页进行了索引放进了数据库中。利用jspider不仅得到了网页的源码还有网站的整体架构，分成了不同的文件夹。

这是利用jspider得到的淘宝首页解析：



1 Comment for this entry

Leave a Reply

Looking for something?

Use the form below to search the site:

Still not finding what you're looking for? Drop a comment on a post or contact us so we can take care of it!

Blogroll

A few highly recommended websites...

    Archives

    All entries, chronologically...