Java简单网络爬虫问题


import java.io.File;   
import java.net.MalformedURLException;   
  
/*  
 * 定义了WebPage对象的基本操作  
 */  
public interface WebPage   
{   
    /**根据网页地址将该网页转换成本地文件*/  
    public File getPageFile();   
       
    /**分析网页的内容  
     * @throws MalformedURLException */  
    public void parse() throws MalformedURLException;   
}package sour2;import java.io.File;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.io.OutputStreamWriter;
import java.net.MalformedURLException;
import java.net.URL;
import java.util.HashSet;
import java.util.Set;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
 * 简单的蜘蛛爬虫，运行起来异常会很多，暂时先不管
 * @author gbk
 *
 */
public class HTMLPage extends Thread implements WebPage
{
private static int pageId = 0;
//private static int MAX_PAGENUM = 1000;
private static int MAX_PAGENUM = 10;
//存放处理过的URL，保证不重复
private static Set<String> urls = new HashSet<String>();
private File localFile;
private StringBuffer contents;
private URL url; public HTMLPage(URL url)
{
this.url = url;
}

/**
 * 将网页下载到本地，用来以后分析
 */
public File getPageFile()
{
int ch = 0;
contents = new StringBuffer();
pageId++;
localFile = new File("f:/html/"+pageId+".txt");
try
{
InputStream inputStream = url.openStream();
InputStreamReader inputStreamReader = new InputStreamReader(inputStream);
FileOutputStream fileOutputStream = new FileOutputStream(localFile);
OutputStreamWriter outputStreamWriter = new OutputStreamWriter(fileOutputStream);
while((ch = inputStreamReader.read()) != -1) 
{ 
contents.append((char)ch);
outputStreamWriter.write(ch); 
} 
outputStreamWriter.close();
fileOutputStream.close();
inputStreamReader.close();
inputStream.close();
} catch (FileNotFoundException e)
{
e.printStackTrace();
} catch (IOException e)
{
e.printStackTrace();
}
return localFile;
}

    /**
     * 分析网页，将不重复的url地址添加到候选叶中
     */
public void parse() throws MalformedURLException
{
        //无法处理内部链接，即不带http
String regex ="<a.*?href=http://.*?>.*?</a>";
        Pattern pt=Pattern.compile(regex,Pattern.CASE_INSENSITIVE);
        Matcher mt=pt.matcher(contents);
        while(mt.find())
        {         
            //获取网址
            Matcher myurl=Pattern.compile("href=.*?>").matcher(mt.group()); 
            while(myurl.find())
            {
             String url = myurl.group().replaceAll("href=|>","");
             //没有做同步，所以最后会稍微多出几个文件
             if(!urls.contains(url)&&pageId<MAX_PAGENUM)
             {
             urls.add(url);
             //新建一个线程，重复上述操作
             HTMLPage page = new HTMLPage(new URL(url));
             page.start();
             }
            }
            System.out.println();         
        }
}

public void run()
{
    getPageFile();
try
{
parse();
} catch (MalformedURLException e)
{
e.printStackTrace();
}
}

public static void main(String[] args) throws MalformedURLException
{
HTMLPage page = new HTMLPage(new URL("http://www.baidu.com"));
page.start();
}
}
主函数中page没有start方法，那程序怎么跑的