WebMagic 0.7.0 版本发布，Java 爬虫框架

内容简介：WebMagic 0.7.0 版本发布，Java 爬虫框架

WebMagic 0.7.0 版本发布了，此次更新重写了HttpClientDownloader，完善了POST等其他Http Method的支持，并重写了代理API，更加简单和便于扩展。

POST支持

• 新的POST API，支持各种RequestBody #513

Request request = new Request("http://xxx/path");
request.setMethod(HttpConstant.Method.POST);
request.setRequestBody(HttpRequestBody.json("{'id':1}","utf-8"));

• 移除了老的在request.extra中设置NameValuePair的方式

• POST请求不再进行去重 #484

代理支持

• 新的代理APIProxyProvider，支持自由扩展

• 默认实现SimpleProxyProvider是一个简单的round-robin实现，可以添加任意个数的代理。

HttpClientDownloader httpClientDownloader = new HttpClientDownloader(); SimpleProxyProvider proxyProvider = SimpleProxyProvider.from(new Proxy("127.0.0.1", 1087), new Proxy("127.0.0.1", 1088));
httpClientDownloader.setProxyProvider(proxyProvider);

• 移除了Site上关于代理配置的setProxy等，代理设置统一到HttpClientDownloader里。

新的SimpleHttpClient

• 用作简单的单次下载和解析时，使用SimpleHttpClient可以满足需求

SimpleHttpClient simpleHttpClient = new SimpleHttpClient(); GithubRepo model = simpleHttpClient.get("github.com/code4craft/webmagic",GithubRepo.class);

其他改动

• 为Page中增加状态码和Http头信息 #406

• 支持Request级别设置Http Header和Cookie

• 去掉Site.addStartRequest() , 用Spider.addStartRequest()代替 #494

• HttpClientDownloader大幅重构，将Request转换抽象到HttpUriRequestConverter(之前继承HttpClientDownloader的实现可能需要做相应修改) #524

• 将CycleRetry和statusCode的判断逻辑从Downloader中迁移到Spider中 #527

• 通过Page.isDownloadSuccess而不是Page对象本身为空来判断是否下载失败

• 为PageModel增加不发现新URL的功能 #575

• 为Site增加了disableCookieManagement属性，在不想使用cookie时使用 #577

以上所述就是小编给大家介绍的《WebMagic 0.7.0 版本发布，Java 爬虫框架》，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持！

查看所有标签

猜你喜欢:

• 超级易懂爬虫系列之爬虫框架scrapy
• python网络爬虫（14）使用Scrapy搭建爬虫框架
• 一个咸鱼的python爬虫之路（五）：scrapy 爬虫框架
• 11、web爬虫讲解2—Scrapy框架爬虫—Scrapy使用
• Scrapy框架-----爬虫
• 网络爬虫框架开发笔记

本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。