学习《自己动手写网络爬虫》之记录2

这一节是书中的第一个比较综合的实例，包括5个.java文件，把程序实现之后没有什么大问题，只有一个接口类需要注意：LinkFilter，书中后面也说了，这个类需要实现，也给出了实现代码。这里主要说的是要注意一下这个类的引用问题。

因为这个类我是在HtmlParserTool中实现的，但是在MyCrawler中有引用，这里不必重复实现，否则会出错，具体原因我也不知道，可能是变量的作用域引起的。解决的办法就是把HtmlParserTool文件import进来就好，但是一定要具体到类：

import websphinxTest.HtmlParserTool.LinkFilter;

这样程序就能够跑通了，当然还有一点小问题，就是可能会提示编码错误，下面有举例，需要setEncoding("UTF-8")，其他的与书上一直，就是需要自己注意一下import的包和类等。

----------------------------------------------------------------------------------

程序运行结果：

控制台会提示一些异常，当得到的新文件中无法提取出新的url时，所以以猎兔首页为种子页面时能得到上述一些文件。

后来试着改变了一下种子页面为”http://www.baidu.com“，然后出现了如下结果：

当然以百度为种子页面得到的文件自然比猎兔多，也没有出现不能提取url的情况，但是会出现新的异常：

org.htmlparser.util.EncodingChangeException: character mismatch (new: 锘 [0x9518] != old: [0xfeff?]) for encoding change from UTF-8 to GB2312 at character offset 0

网上查的结果是因为不同的页面用的编码形式不一样，需要对应不同的编码方式，但是这才刚开始做，就不再继续改进了，先记录下这个小缺点！:)

至于最顶上的aurllink文件，加了一个文件写的步骤，把url访问顺序加入进来了，不考虑重复性，利用了fw.write(link.toString()+"\n");这个方法。

学习《自己动手写网络爬虫》之记录2相关推荐

记录《自己动手写网络爬虫》书中涉及的内容学习一些算法
第1篇自己动手抓取数据第1章全面剖析网络爬虫 3 1.1 抓取网页 4 1.1.1 深入理解URL 4 1.1.2 通过指定的URL抓取网页内容 6 1.1.3 Java网页抓取示 ...
《用Python写网络爬虫第2版》PDF中英文+代码分析
互联网包含了迄今为止最有用的数据集,并且大部分可以免费公开访问.但是,这些数据难以复用.它们被嵌入在网站的结构和样式当中,需要抽取出来才能使用.从网页中抽取数据的过程又称为网络爬虫,随着越来越多的信息 ...
[原创]手把手教你写网络爬虫（2）：迷你爬虫架构
手把手教你写网络爬虫(2) 作者:拓海 (https://github.com/tuohai666) 摘要:从零开始写爬虫,初学者的速成指南! 封面: 介绍大家好!回顾上一期,我们在介绍了爬虫的基本 ...
网页爬虫python代码_《用python写网络爬虫》完整版+源码
原标题:<用python写网络爬虫>完整版+源码 <用python写网络爬虫>完整版+附书源码本书讲解了如何使用Python来编写网络爬虫程序,内容包括网络爬虫简介,从页面中 ...
python网络爬虫网易云音乐_手把手教你写网络爬虫（1）：网易云音乐歌单
大家好,<手把手教你写网络爬虫>连载开始了!在笔者的职业生涯中,几乎没有发现像网络爬虫这样的编程实践,可以同时吸引程序员和门外汉的注意.本文由浅入深的把爬虫技术和盘托出,为初学者提供一种轻 ...
python爬虫教程：Python写网络爬虫的优势和理由
在本篇文章里小编给各位整理了一篇关于选择Python写网络爬虫的优势和理由以及相关代码实例,有兴趣的朋友们阅读下吧. 什么是网络爬虫? 网络爬虫是一个自动提取网页的程序,它为搜索引擎从万维网上下载网页 ...
《用Python写网络爬虫》——1.5 本章小结
本节书摘来自异步社区<用Python写网络爬虫>一书中的第1章,第1.5节,作者 [澳]Richard Lawson(理查德劳森),李斌译,更多章节内容可以访问云栖社区"异步 ...
用Python写网络爬虫pdf
下载地址:网盘下载作为一种便捷地收集网上信息并从中抽取出可用信息的方式,网络爬虫技术变得越来越有用.使用Python这样的简单编程语言,你可以使用少量编程技能就可以爬取复杂的网站. <用Pyt ...
用python写网络爬虫第2版 pd_用Python写网络爬虫(第2版)
用Python写网络爬虫(第2版)电子书畅销的Python网络爬虫发实战图书全新升级版,上一版年销量近40000册. 针对Python 3.6版本编写. 提供示例完整源码和实例网站搭建源码,确保用户 ...
网络爬虫python的特点有哪些_为什么写网络爬虫天然就是择Python而用
关于这个问题,老猿就先从自己的经历讲起吧.很多年前,大约11年前,老猿我接手了一个搜索引擎的网络爬虫,那是一个用C++写的通用搜索引擎的爬虫.C++的语言,多线程的实现,爬虫的运行效率非常高.但是,找 ...

学习《自己动手写网络爬虫》之记录2

学习《自己动手写网络爬虫》之记录2相关推荐

最新文章

热门文章