|
|
|
@ -25,7 +25,7 @@ webmagic正处于开发阶段,目前还没有稳定版本。欢迎开发者参
|
|
|
|
|
|
|
|
|
|
以下是爬取oschina博客的一段代码:
|
|
|
|
|
|
|
|
|
|
Spider.me().processor(new SimplePageProcessor("http://my.oschina.net/", "http://my.oschina.net/*/blog/*")).run();
|
|
|
|
|
Spider.create(new SimplePageProcessor("http://my.oschina.net/", "http://my.oschina.net/*/blog/*")).run();
|
|
|
|
|
|
|
|
|
|
* ####可扩展####
|
|
|
|
|
参考[`scrapy`](https://github.com/scrapy/scrapy)的设计,webmagic将爬虫的扩展点分为Processor、Schedular、Downloader、Pipeline三个模块,可以通过扩展这些接口实现强大的扩展功能。如可以通过多个Spider实现多线程抓取;可以通过扩展Schedular实现断点续传乃至于分布式爬虫;可以通过扩展Pipeline实现业务可定制的持久化功能。
|
|
|
|
@ -75,7 +75,7 @@ webmagic定制的核心是PageProcessor接口。
|
|
|
|
|
|
|
|
|
|
调用这个爬虫的代码如下:
|
|
|
|
|
|
|
|
|
|
Spider.me().processor(new SimplePageProcessor("http://my.oschina.net/", "http://my.oschina.net/*/blog/*")).run();
|
|
|
|
|
Spider.create(new SimplePageProcessor("http://my.oschina.net/", "http://my.oschina.net/*/blog/*")).run();
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
### 示例
|
|
|
|
|