java实现的爬虫框架
从头开始， 一步一步的实现一个可用的爬虫框架，每个地方加一个里程碑的tag，主要用于记录这个工程的诞生过程
1. v0.001
实现了一个最简单，最基础的爬虫, 处于能用的阶段
2. v0.002
利用HttpClient来替代jdk的http请求；新增http参数配置
3. v0.003
实现深度爬网页
- 支持正向、逆向链接过滤
- 在内存中保存爬取记录，用于去重过滤
- 提供爬取完成后的回调方法，用于结果处理
4. v0.004
实现爬取队列
- 每个Job只执行当前网页的抓取，将网页中满足深度抓取的链接塞入队列
- 新增Fetcher类，用于控制抓去任务
5. v0.005
实现Job任务中爬取 + 结果解析的分离； 完成任务结束的标识设定
- 新增 ResultFilter 实现爬取网页的分析， 并将满足条件的链接塞入爬取队列
- 新增 JobCount 来记录任务的爬取完成数， 以此完成整个任务的结束标识设定
6. v0.006
添加日志埋点
7. v.0.007
新增动态配置信息支持
- 采用配置文件方式，支持配置信息的动态变更
8. v.0.008
对象池的实现
- 采用对象池来管理Job任务的创建
一灰灰Blog地址: https://blog.hhui.top/
所有QuickCrawel相关博文汇总: QuickCrawel java爬虫归档