羅剛編著的《網絡爬蟲全解析(技術原理與實踐)
》介紹了如何開發網絡爬蟲。內容主要包括開發網絡
爬蟲所需要的Java語法基礎和網絡爬蟲的工作原理，
如何使用開源組件HttpClient和爬蟲框架Crawler4j
抓取網頁信息，以及針對抓取到的文本進行有效信息
的提取。為了擴展抓取能力，本書介紹了實現分布式
網絡爬蟲的關鍵技術。
另外，本書介紹了從圖像和語音等多媒體格式文
件中提取文本信息，以及如何使用大數據技術存儲抓
取到的信息。最後，以實戰為例，介紹了如何抓取微
信和微博，以及在電商、醫藥、金融等領域的案例應
用。其中，電商領域的應用介紹了使用網絡爬蟲抓取
商品信息入庫到網上商店的數據庫表。醫藥領域的案
例介紹了抓取PubMed醫藥論文庫。金融領域的案例介
紹了抓取股票信息，以及從年報PDF文檔中提取表格
等。
本書適用於對開發信息采集軟件感興趣的自學者
。也可以供有Java或程序設計基礎的開發人員參考。

第1章 技術基礎
1.1 **個程序
1.2 準備開發環境
1.2.1 JDK
1.2.2 Eclipse
1.3 類和對像
1.4 常量
1.5 命名規範
1.6 基本語法
1.7 條件判斷
1.8 循環
1.9 數組
1.10 位運算
1.11 枚舉類型
1.12 比較器
1.13 方法
1.14 集合類
1.14.1 動態數組
1.14.2 散列表
1.15 文件
1.15.1 文本文件
1.15.2 二進制文件
1.16 多線程
1.16.1 基本的多線程
1.16.2 線程池
1.17 折半查找
1.18 處理圖片
1.19 本章小結
第2章 網絡爬蟲入門
2.1 獲取信息
2.1.1 提取鏈接
2.1.2 采集新聞
2.2 各種網絡爬蟲
2.2.1 信息采集器
2.2.2 廣度優先遍歷
2.2.3 分布式爬蟲
2.3 爬蟲相關協議
2.3.1 網站地圖
2.3.2 Robots協議
2.4 爬蟲架構
2.4.1 基本架構
2.4.2 分布式爬蟲架構
2.4.3 垂直爬蟲架構
2.5 自己寫網絡爬蟲
2.6 URL地址查新
2.6.1 嵌入式數據庫
2.6.2 布隆過濾器
2.6.3 實現布隆過濾器
2.7 部署爬蟲
2.7.1 部署到Windows
2.7.2 部署到Linux
2.8 本章小結
……
第3章 定向采集
第4章 數據存儲
第5章 信息提取
第6章 Crawler4j
第7章 網頁排重
第8章 網頁分類
第9章 案例分析
後記