国庆第三天2014年10月3日10:21:39,Nutz,WebCollector,jsoup

（1）做得好，做得快，只能选择一样。

（2）时间过得很快，你没法在假期的一天里完成更多的计划。假期全部由自己支配，相对长一点的睡眠，新加入的娱乐（视频或者游戏），你不比在工作中更有效率。

（3）每天练习一点，记录下来。假期来整合优化巩固，是最好的选择。进步每一天。

（4）不要太期待假期。

（5）参照Nutz 入门教程第一讲，做一个小应用。 视频不清晰还是看完两遍，还是照着一点点的写出来。视频比较直观，Nutz的文档很详细的，但是任然觉得看视频还是更快，看文档太慢了，或许我看文档的方式要改进下。

（6）JAVA爬虫 WebCollector:

官网、API、osc简介、Cookbook&Api、

一个读取API的例子：MyParser.java, DocCrawler.java

package demo.hello;

import cn.edu.hfut.dmic.webcollector.crawler.BreadthCrawler;
import cn.edu.hfut.dmic.webcollector.model.Page;
import cn.edu.hfut.dmic.webcollector.parser.Parser;
import cn.edu.hfut.dmic.webcollector.util.Config;

public class DocCrawler extends BreadthCrawler{
@Override
public Parser createParser(String url, String contentType) throws Exception {
if(contentType==null)
return null;
if(!contentType.contains("text/html"))
return null;
return new MyParser(Config.topN);
}

public static void main(String[] args) throws Exception{
DocCrawler crawler=new DocCrawler();
crawler.addSeed("http://crawlscript.github.io/WebCollectorDoc/");
crawler.addRegex("http://crawlscript.github.io/WebCollectorDoc.*");
crawler.setRoot("pages");
crawler.setThreads(20);
crawler.start(10);
}
}

View Code
（7）HTML解析器 jsoup
官网、osc简介、