摘要：cjx最近在做爬虫的项目，急切需要在页面中抓取自己想要的内容，但是通过逻辑判断获取实在是过于复杂。很庆幸有正则表达式这个利器，很多事情都能够轻松办到，cjx之前也有了解一些关于正则表达式的知识。不过一直处于理解不彻底的状态，很难有效的自己编写一个满意的正则表达式出来。最近在网上发现有本Jeffrey... 阅读全文

摘要：网络爬虫第一个要面临的问题，就是如何抓取网页，抓取其实很容易，没你想的那么复杂，一个开源HtmlUnit包，几行代码就OK啦！通常在一个页面中会包含别的Url，在别的Url当中又会包含更多的Url。如果我们要对与该站点相关的Url全部都抓取过来。就相当于我们要对跟这个站有关的Url进行搜索。常用的搜... 阅读全文