第1个回答 2013-04-22
heritrix抓取网页
网页解析的有很多就不说了，不过最好自己写
lucene索引
首先爬虫是需要一个处理器链的，网页的抓取并非几十行代码就能实现的，因为有很多问题出
现。
1.获取网页：判断网页编码，计算网页正文位置，获取页面内url（url的过滤、缓存、存储这部分还需要线程池的优化），url的分配、及线程池的启动。
2.网页持久化。网页解析，网页中样式表、图片等下载以及网页的保存（xml和html）网页快照的生成。
3.网页的消重去噪：去掉没用的网页，如果是垂直搜索引擎则需要更多的判断，可以利用内容模板和空间向量的算法实现。
4.索引的建立及优化，主要是简历倒排索引。
你的分类基本上可以用内容模板和空间向量计算实现。
还有其他很多东西，一时间不能说细了。你想做到什么程度。（比如：空间向量的算法及结果的参考值、网页内容模板的建立。）
第2个回答 2013-04-22
<html>
<head>
<title>这是一个静态网页</title>
</head>
<body>
在此处添加你所加的内容~
</body>
</html>
此处的标签是成对出现的。是cantainer tag.例：<body></body>在后面我们会学到empty tag,例：<input />、<hr />、<link />、<img />、<frame />，这是两种不同的标签。
css层叠样式单，xml等
第3个回答 2013-04-22
后缀名改为.html
<html>
<head>
<title></title> .......##此为标题部分
</head>
<style></style>.......##此为css样式表部分
<body></body>.......##
</html>
这就是一个很简单的网页代码啦~嘿嘿
第4个回答 2013-04-22
打开记事本，
然后输入
“我是SB”
然后另存为XX.hmtl文件。就行了。