摘要： 利用 Heritrix 构建特定站点爬虫文章来源：http://www.ibm.com/developerworks/cn/opensource/os-cn-heritrix/?S_TACT=105AGX52&S_CMP=reg-ccid郭 艳芬, IBM 实习生, IBM郭艳芬，北京林业大学信息学院硕士研究生，现在 IBM FileNet Records Manager 组实习，研究兴趣包括测试技术、搜索引擎等。简介：Heritrix 是一个由 java 开发的、开源的网络爬虫，用户可以使用它来从网上抓取想要的资源。其最出色之处在于它良好的可扩展性，方便用户实现自己的抓取逻辑。本文详 阅读全文