1、鎖定某個主題抓?。?
2、能夠產生日志文本文件，格式為：時間戳(timestamp)、URL；
3、抓取某一URL時最多允許建立2個連接（注意：本地作網頁解析的線程數則不限）
4、遵守文明蜘蛛規則：必須分析robots.txt文件和meta tag有無限制；一個線程抓完一個網頁后要sleep 2秒鐘；
5、能對HTML網頁進行解析，提取出鏈接URL，能判別提取的URL是否已處理過，不重復解析已crawl過的網頁；
6、能夠對spider/crawler程序的一些基本參數進行設置，包括：抓取深度(depth)、種子URL等；
7、使用User-agent向服務器表明自己的身份；
8、產生抓取統計信息：包括抓取速度、抓取完成所需時間、抓取網頁總數；重要變量和所有類、方法加注釋；
9、請遵守編程規范，如類、方法、文件等的命名規范，
10、可選：GUI圖形用戶界面、web界面，通過界面管理spider/crawler，包括啟停、URL增刪等
標簽：
日志
上傳時間：
2013-12-22
上傳用戶：wang5829
