12种文本数据采集方法

grabage_0.1_nk 提供最基础的采集功能，有经验的开发人员可以将其嵌入到系统模块中用于采集数据。 nk版本的内容检查不算完整，只能匹配部分发布时间，对于部分网页将作者，来源，发布时间混合在一起的情况，未能很好的解决。 该问题会在将来的版本中处理，不会再更新nk版本。源码中未包含图片等资源采集。 xalan-2.7.1.jar htmlunit Jun 21 3.0 MB 0 xml-apis-1.3.04.jar htmlunit Jun 21 189 KB 0 xercesImpl-2.9.1.jar htmlunit Jun 21 1.2 MB 0 serializer-2.7.1.jar htmlunit Jun 21 271 KB 0 sac-1.3.jar htmlunit Jun 21 15.4 KB 0 nekohtml-1.9.14.jar htmlunit Jun 21 121 KB 0 htmlunit-core-js-2.7.jar htmlunit Jun 21 889 KB 0 htmlunit-2.7.jar htmlunit Jun 21 878 KB 0 cssparser-0.9.5.jar htmlunit Jun 21 247 KB 0 commons-logging-1.1.1.jar htmlunit Jun 21 59.3 KB 0 commons-lang-2.4.jar htmlunit Jun 21 255 KB 0 commons-io-1.4.jar htmlunit Jun 21 106 KB 0 commons-httpclient-3.1.jar htmlunit Jun 21 297 KB 0 commons-collections-3.2.1.jar htmlunit Jun 21 561 KB 0 commons-codec-1.4.jar htmlunit Jun 21 56.8 KB 0 dom4j-2.0.0-ALPHA-2.jar dom4j Jun 21 332 KB 0 1 - 16 of 16 下载后 用ide（如eclipse)引入源码，将源码中resource的路径指定到编译路径下。 编译运行ReadCenter，如控制台输出>>>LINK>>>http://portal.czol.info/news/money