zhongshanb的专栏

技术社区中流行的爬虫技术相当多，很多人喜欢基于Python的，也有人喜欢用C#，很多人由于系统集成开发和跨平台的需要倾向于java，我就属于后者。其实就原理来说，爬虫组件都是差不多的，无头浏览器，最能够说明爬虫的特性，它们被设计创造出来，大部分情况是用于自动化测试的。基于socket的httpclient功能简单，性能强大，特别是在高并发的情况下，而被大家所青睐，特别是搜索引擎中，如果抓取

根据上面的实验、分析，结合配置过程中的错误提示，最终总结出了Linux下支持tess4j的完整步骤（具体不同的系统操作上会有差别，但是原理一致）：1、安装GCC开发环境，从而支持后续程序的编译安装：yum groupinstall "Development Tools"2、安装tesseract所需的依赖库yum -y install libjpeg* libpng* freetype* gd* giflib* libtiff* zlib*3、安装tesseract和leptonica

最近研究了一下58同城，发现其页面改版之后，二手市场的卖家联系方式无法在网页版查看，只能通过app看到，而app上面传输的联系方式，是经过加密的。既然信息是加密的，恰说明信息是有价值的

无论开发人员运维人员，都需要具备相当的shell脚本编写技能，但是由于windows平台不是部署的首选平台，我们很多人都忽视bat脚本的编写。正因为如此，工作中偶尔会踩个大坑。最近工作原因，需要为程序部署包配置windows下bat启动脚本，本身前同事留下了linux版本的启动命令，以及windows的启动脚本，然而，在win环境下部署，发现其脚本不可用，主要是-classpath参数有问题。...