1、锁定某个主题抓取； 2、能够产生日志文本文件，格式为：时间戳(timestamp)、URL； 3、抓取某一URL时最多允许建立2个连接（注意：本地作网页解析的线程数则不限） 4、遵守文明蜘蛛规则：必须分析robots.txt文件和meta tag有无限制；一个线程抓完一个网页后要sleep 2秒钟； 5、能对HTML网页进行解析，提取出链接URL，能判别提取的URL是否已处理过，不重复解析已crawl过的网页； 6、能够对spider/crawler程序的一些基本参数进行

由资源文件（.properties）生成txt文件，生成的文件如果在Eclipse下打开为乱码则请用附件里的记事本打开该txt文件。更详细的资料请看说明文件。注意，只要安装了JDK才能运行。-From the resource file (. Properties) generated txt file, generated in the Eclipse open the file if garbled, please use the attachment in Notepad to open

Apache tika 可以解析各种富文本格式的文件，得到其中的文本内容字符串。如tika 可用于解析Office 97/2003/2007 格式、PDF 格式、HTML 等格式的文件。请参考tika-app-1.5.jar 的功能，实现一个GUI 界面的桌面程序，该程序可以打开以上几种格式的文件，调用tika 进行解析，在界面上展示txt 解析结果，并将结果保存成文本文件。该程序也可以同时打开一组文件，以多线程的方式对它们进行并行处理。注：请在程序中导入tika-core-1.5.jar 和t