当我们自己开发一些处理网页的应用程序时，会想到要开发一个单独的网页解析器，这一部分的工作必定需要付出相当的精力和时间。事实上，做为 JAVA 应用程序开发者， HtmlParser 为其提供了强大而灵活易用的开源类库，大大节省了写一个网页解析器的开销。 HtmlParser 是 http://sourceforge.net 上活跃的一个开源项目，它提供了线性和嵌套两种方式来解析网页，主要用于 html 网页的转换(Transformation) 以及网页内容的抽取 (Extraction)。H

网页爬虫程序的java源码。可以针对一些在传输中压缩的网页进行解码。设置下载功能。自动从起始站点开始下载网页。

蜘蛛演示 网络爬虫 概念： 网络爬虫（又称为网页蜘蛛，网络机器人，在FOAF社区中间，更经常的称为网页追逐者），是一种按照一定的规则，自动地抓取骨骼信息的程序或者脚本。另外一些不常使用的名字还有蚂蚁蚁，自动索引，模拟程序或蠕虫。 爬虫的具体步骤： 1，数据采集，经过一定的逻辑和策略，循环抓取网页上的数据，工作过程就像Ctrl + a-> Ctrl + c-> Ctrl + v； 2，解析，分析采集到的数据集，使用一定的规则或语法，提取相关的信息； 3，存储，将提取出的信息以我们