###爬虫简介 WebCollector是一个无须配置、便于二次开发的JAVA爬虫框架（内核），它提供精简的的API，只需少量代码即可实现一个功能强大的爬虫。
###爬虫内核： WebCollector致力于维护一个稳定、可扩的爬虫内核，便于开发者进行灵活的二次开发。内核具有很强的扩展性，用户可以在内核基础上开发自己想要的爬虫。源码中集成了Jsoup，可进行精准的网页解析。
###1.x： WebCollector 1.x版本现已转移到http://git.oschina.net/webcollector/WebCollector-1.x维护，建议使用2.x版本。
###2.x： WebCollector 2.x版本特性：
- 1）自定义遍历策略，可完成更为复杂的遍历业务，例如分页、AJAX
- 2）内置Berkeley DB管理URL，可以处理更大量级的网页
- 3）集成selenium，可以对javascript生成信息进行抽取
- 4）直接支持多代理随机切换
- 5）集成spring jdbc和mysql connector，方便数据持久化
- 6）集成json解析器
- 7）使用slf4j作为日志门面
- 8）修改http请求接口，用户自定义http请求更加方便
- 9）2.10版开始新增新闻网页正文自动提取算法，可自动抽取新闻网页正文、标题和日期
###Maven：
<dependency>
<groupId>cn.edu.hfut.dmic.webcollector</groupId>
<artifactId>WebCollector</artifactId>
<version>2.09</version>
</dependency>WebCollector 2.x教程：
- WebCollector 2.x tutorial 2 (BreadthCrawler中文教程)
- WebCollector 2.x 新闻网页正文自动提取算法
- WebCollector 2.x 抽取器 (Extractor和MultiExtractorCrawler)
- WebCollector爬取JS生成数据
- WebCollector爬取搜狗搜索（分页）
- WebCollector爬取JSON数据
- 使用SoupLang脚本同时管理多个页面爬取 SoupLang脚本
- 用WebCollector 2.x爬取新浪微博（无需手动获取cookie)
WebCollector 2.x教程(镜像)：