发布基于C#的网络爬虫程序 *版本1.0.1*

版本1.0.1主要改进有：

1.爬取文件用SQLite存储以改善性能 （常用操作系统不善于处理大量小文件）。

2.制作MSI安装文件。

 

这是一款用 C# 编写的网络爬虫， 发布在：http://nwebcrawler.codeplex.com/。

主要特性有：

• 可配置：线程数、线程等待时间，连接超时时间，可爬取文件类型和优先级、下载目录等。
• 状态栏显示统计信息：排入队列URL数，已下载文件数，已下载总字节数，CPU使用率和可用内存等。
• 有偏好的爬虫：可针对爬取的资源类型设置不同的优先级。
• 健壮性：十几项URL正规化策略以排除冗余下载、爬虫陷阱避免策略的使用等、多种策略以解析相对路径等。
• 较好的性能：基于正则表达式的页面解析、适度加锁、维持HTTP连接等。

参见下面的截图：