最简单的爬虫WebMagic 0.73 源码

最简单的爬虫设置，最好二次开发的爬虫WebMagic框架，它提供简单灵活的API，只需少量代码即可实现一个爬虫。webmagic采用完全模块化的设计，功能覆盖整个爬虫的生命周期(链接提取、页面下载、内容抽取、持久化)，支持多线程抓取，分布式抓取，并支持自动重试、自定义UA/cookie等功能。作为爬虫框架，它使用httpclient作为获取网页工具、使用Jsoup作为分析页面定位抓取内容、使用ExecutorService线程池作为定时增量抓取、Jdiy作为持久层框架。不熟悉这些名词的同学们可以先行百度一下这些都是什么，起了什么作用，以便更好的理解爬虫的原理。爬虫主要思想分这么几步：1.根据种子链接，抽取目标链接放入待爬取队列2.从页面中解析并抽