文件名称：Duplication-of-work:因为需求而做的一些重复的工作
文件大小：24.28MB
文件格式：ZIP
更新时间：2024-06-20 21:08:52
Java
Duplication-of-work ##[2014-07-22 SpiderBlog] () 依据给定的一组URL抓取新浪博客正文 并按照文章发表的时间进行分类 引入的jar文件有 jsoup-1.7.2.jar commons-io-2.4.jar ##[2014-07-23 Spide163News] () 网易新闻国内新闻的抓取 对网页进行简单的解析 保留新闻正文的图片信息 将获得的文件进行重新整理，可以浏览主要信息 引入的jar文件有 jsoup-1.7.2.jar commons-io-2.4.jar ##[2014-08-06 SpiderPaper] () 抓取中国搜索报刊中全国性报刊 获取电子版报刊中的正文内容 采用统计的抽取算法进行正文抽取(效果不佳弃用) 只过滤P标签的到文本内容 结果组织为XML格式 使用IDEA+Maven开发 ##[2014-08-27 Spi