最近计划两周时间内看完webmagic最新版WebMagic-0.7.0 的源代码,看了下最新版增加了很多功能
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