0
網絡爬蟲是否僅從網頁返回提取的文本？說，如果有一些pdf/doc文件存儲在Web服務器中。網絡爬蟲是否可以抓取它們並返回其內容？無論如何，一個好的開源Java網頁爬蟲有什麼建議？網絡爬蟲的功能
謝謝！
Q
網絡爬蟲的功能
A
回答
1
Web爬蟲不會提取文本。它只是通過一些轉換返回htmls [例如UTF-8轉換]。
如果您想到爬行器的這種方式，那麼在第一跳時無關緊要。當然對於多跳而言，它需要查看這些文檔，並且典型的抓取工具不會在pdf/docs中提供多跳。
0
嘗試https://stackoverflow.com/questions/2495289/what-is-a-good-java-web-crawler-library; 每個人都會有自己的特點。有些可能支持pdf和文檔，而有些可能不支持。
相關問題
- 1. 網絡爬蟲
- 2. C++網絡爬蟲
- 3. PHP網絡爬蟲
- 4. Python網絡爬蟲
- 5. java網絡爬蟲
- 6. 網絡爬蟲類
- 7. 網絡爬蟲的Java
- 8. 簡單的網絡爬蟲
- 9. Python中的網絡爬蟲
- 10. 自動網絡爬蟲
- 11. 網絡爬蟲，反饋？
- 12. 遞歸網絡爬蟲perl
- 13. 需要網絡爬蟲
- 14. 網絡爬蟲文本雲
- 15. 硒與python網絡爬蟲
- 16. 網絡爬蟲從Android Market
- 17. 網絡爬蟲應用
- 18. 網絡爬蟲不打印
- 19. 網絡爬蟲提取
- 20. 針對windows的增量爬網支持的網絡爬蟲
- 21. 使用perl的網絡爬蟲
- 22. 在Scala中的網絡爬蟲算法
- 23. Python的網絡爬蟲：連接超時
- 24. 使用vb.net的網絡爬蟲/蜘蛛
- 25. Erlang中的並行HTTP網絡爬蟲
- 26. 網絡爬蟲的正則表達式
- 27. 在android上的簡單網絡爬蟲？
- 28. 網絡爬蟲腳本不工作的
- 29. Python的多網絡爬蟲問題
- 30. 簡單的網絡爬蟲（例程）
沒有完全得到您在第二段中所說的內容。你能解釋一下你的啤酒花是什麼意思嗎？ – Izza
通過啤酒花，我的意思是跟隨html鏈接跳轉的次數。如果您從第一個文檔轉到鏈接的文檔，那麼它就是第一跳，如果轉到鏈接的鏈接，那麼它就是第二跳等等。 – Fakrudeen