悔创阿里的马爸爸曾经说过：“数据是新一轮技术革命最重要的生产资料”，对于处于成长初中期的企业最缺的就是有用的基础数据，而如何快速补齐这些数据短板，相信大家都会想到爬虫，所以爬虫也成为近2年热门的大数据技术手段之一。本期的 Chat 就是教你如何从 0 到 1 快速搭建起自己的多线程并发爬虫框架，并且尽可能的使用免费的资源（比如：免费代理资源、免费的云数据库存储等）来实现。

内容简单分为 2 大部分，着重在爬虫框架搭建部分，会涉及到较多的源代码，文章会给出关键代码演示及解析说明，当然最后也会开源项目源代码，大纲如下：

1. 简单介绍爬虫原理及流程；
2. 爬虫框架搭建部分：
   • 代理请求模块（包括免费代理获取，代理可用性校验与反馈，HTTP 代理请求封装等）
   • 多线程并发爬取模块
   • 任务调度模块
   • 免费云数据库模块（Bmob云后台介绍，云数据库增删查API封装）
   • 示例：爬取CSDN热门文章

市面上的爬虫介绍课程或文章大都是用 Python 来实现的，但本场 Chat 中的爬虫框架是用 Java 来实现的，所以最好要有一定的 Java 基础。

阅读全文: http://gitbook.cn/gitchat/activity/5d2ecba7cfd4917a259d171b

您还可以下载 CSDN 旗下精品原创内容社区 GitChat App ，阅读更多 GitChat 专享技术内容哦。