文件名称：网站内容抓取工具
文件大小：1.23MB
文件格式：RAR
更新时间：2010-05-06 05:21:49
crawler python 爬虫
本程序是用python编写，无需安装。运行Crawler.exe就可以看到效果。
如果不修改配置是抓取新浪科技的内容，修改配置可以抓取指定的网站。
配置文件采用ini的格式.
spider_config.ini蜘蛛的配置
1. maxThreads 爬虫的线程数
2. startURL 爬虫开始的URL
3. checkFilter 爬虫只抓取指定的URL（采用正则表达式匹配)
4. urlFilter 爬虫提供给分析器的URL（采用正则表达式匹配)
sucker_config.ini 网页分析器的配置
1. maxThreads 分析器的线程数
2. pattern parser匹配的正则表达式
3. parser 指定对应pattern的分析器
本程序支持自定义分析器。可以参照软件包中NewsParser.py的写法自己写个parser，前提是熟悉python。写好后运行compile编译承pyc就可以了
【文件预览】：
compile.exe
_ssl.pyd
spider_config.ini
NewsParser.py
sucker_config.ini
_socket.pyd
python24.dll
Crawler.exe
NewsParser.pyc