关于网站爬虫问题?高手请指教

Question

我现在要做一个网站,网站有很多模块,每个模块是从一个网站里面爬下来的,而且每天都要更新,要爬接近20个网站,我现在用的方式是先获取网页源码,然后再用正则匹配过滤掉我不需要的内容,但我觉得这样很烦,请高手指点下,谢谢了..

Answer 1

爬虫HERITRIX
我也在学习这个爬虫怎么用，配置完了总是会出现点问题，等待高手出现指点一下

Answer 2

难道还有更好的办法？
用正则应该是比较简单的方法了，除非有这样的类库使用
期待得到更好的办法
JAVA资料太多？选中想收藏的文字(图片)，右键选“收录到易载”，搞定！