ScrapingSpider

C#开发的支持多线程，关键字过滤，正文内容自解析的爬虫 爬虫核心使用业余时间开发

快速开始

构造Spider类

Settings说明

• Init Seeds: 初始Url地址，多个地址使用回车分开。
• Regex Filter: 通过正则表达式过滤Url，多个正则使用回车隔开。
• Keyword: 关键字，按照指定的关键字爬取，多个关键字使用回车分开。
• Crawl Depth: 爬取深度，小于0表示不限
• Escape Links: 要过滤的链接，如：.jpg|.rar|.exe
• Keep Cookie: 抓取过程中是否保留Cookie
• Lock Host: 是否锁定Host，锁定后，指抓取站点相关链接。
• Limit Speed: 是否智能限速。
• Threads: 线程数量，启用多个线程有利于提高爬取效率。
• Timeout: 超时时间，以毫秒为单位。
• User Agent: http协议UserAgent设置。

更新日志

• 2012/12/23 完善说明文档和ScrapingSpider的Settings窗口的使用帮助；解决LockHost无效的问题；完善页面解码的BUG；添加自动限速功能。