做网络爬虫怕的就是超时，当恰恰出现最多的就是超时，那该怎么办呢！
1，HttpClient默认请求为3次，你可以修改成N次，建议根据实际情况修改
2，设置get方法请求超时为 5 秒
GetMethod getMethod=new GetMethod(url);
getMethod.getParams().setParameter(HttpMethodParams.SO_TIMEOUT,5000);
3，设置 Http 连接超时为5秒
HttpClient httpClient=new Http...
分类：
其他好文 时间：
2014-06-19 11:24:05
阅读次数：
354
使用python抓取CSDN关注人的所有发不过的文章...
分类：
编程语言 时间：
2014-06-19 09:35:54
阅读次数：
273
转载自我的博客:http://www.mylonly.com/archives/1418.html
经过两个晚上的奋斗，将上一篇文章介绍的爬虫稍微改进了下（Python爬虫之路——简单网页抓图），主要是将获取图片链接任务和下载图片任务用线程分开来处理了，而且这次的爬虫不仅仅可以爬第一页的图片链接的，整个http://desk.zol.com.cn/meinv/下面的图片都会被爬到，而且提供了...
分类：
编程语言 时间：
2014-06-15 16:30:20
阅读次数：
344
第一点：做好关键词分析（也叫关键词定位）：这是进行SEO优化最重要的一环，关键词分析包括：关键词注重量分析、竞争对手分析、关键词与网站相关性分析、关键词安顿、关键词排行猜想。
第二点：网站架构分析：网站结构符合搜索引擎的爬虫喜欢则有利于SEO优化。网站架构分析包括：除去网站架构不良计划、完结树状目....
分类：
Web程序 时间：
2014-06-12 20:13:00
阅读次数：
309
${"%u"+java.lang.Integer.toHexString(region.toString().charAt(s.toInt()))}
这样转换成的每个字符后面会有空行，用的时候需要regionUnicode.toSt...
分类：
其他好文 时间：
2014-06-12 17:47:11
阅读次数：
186
不知从何时开始，百度禁止或者减少了用户在搜索栏中使用“site”这样的关键字进行百度云盘的内容搜索。比如：但是如果是使用bing或是google还是可以搜索出这两个大咖的爬虫缓存过的信息，如bing的缓存记录：小谷由于XX原因，让我大中华和谐了，反正我现在的网络是进不去，就不演示了。但是你直接单击连...
分类：
其他好文 时间：
2014-06-10 16:48:42
阅读次数：
269
菜鸟HtmlAgilityPack初体验。。。弱弱的代码。。。Html Agility
Pack是一个开源项目，为网页提供了标准的DOM API和XPath导航。使用WebBrowser和HttpWebRequest下载的网页可以用Html
Agility Pack来解析。HtmlAgilityPa...
分类：
Web程序 时间：
2014-06-08 20:07:13
阅读次数：
502
这是我的第一个爬虫代码。。。算是一份测试版的代码。大牛大神别喷。。。通过给定一个初始的地址startPiont然后对网页进行捕捉，然后通过正则表达式对网址进行匹配。List
todo：进行抓取的网址的集合List visited ：已经访问过的网址的集合下面实现的是，给定一个初始地址，然后进行爬虫，...
分类：
其他好文 时间：
2014-06-08 19:57:54
阅读次数：
309
