摘要： 利用爬虫技术获取网页源代码后，针对网页抽取出它的特定文本内容，利用正则表达式和抽取工具，能够更好地抽取这些内容。 下面介绍一种抽取工具 -- HtmlParser HtmlParser是一个用来解析HTML文件的java包，主要用于转换、抽取两个方面。 利用HtmlParser可以实现下面内容的抽取 阅读全文

摘要： 网络爬虫的基本操作是抓取网页。首先要了解下URL~~ 在理解URL之前，先了解下URI，这两个概念我曾经混淆过~@_@|| 什么是URI? Web上每种可用的资源，如：html文档、视频，图片等都由一个通用的资源标志符（Universal Resources Identifier，即URI）进行定位 阅读全文