下面来逐行解释一下前面的那个 Hello, world!程序，尽管很简单，但却可以对 Qt 程序的结构有一个清楚的认识。现在再把代码贴过来：#include <QApplication> #include <QLabel> int main(int argc, char *argv[]) { QApplication app(argc, argv); QLabel *label = new QLabel("Hello, world!"); label->show();
任何编程技术的学习第一课基本上都会是 Hello, world!，我也不想故意打破这个惯例——照理说，应该首先回顾一下 Qt 的历史，不过即使不说这些也并无大碍。或许有人总想知道，Qt 这个单词是什么意思。
Qt 是一个著名的 C++ 库——或许并不能说这只是一个 GUI 库，因为 Qt 十分庞大，并不仅仅是 GUI。使用 Qt，在一定程序上你获得的是一个“一站式”的服务：不再需要研究 STL，不再需要 C++ 的string，因为Qt有它自己的 QString 等等。或许这样说很偏激，但 Qt 确实是一个“伟大的 C++ 库”。我们所使用的 Qt，确切地说也就是它的 GUI 编程部分。
我们使用 dmoz.org 这个网站来作为小抓抓一展身手的对象。首先先要回答一个问题。问：把网站装进爬虫里，总共分几步？
前面十章爬虫笔记陆陆续续记录了一些简单的 Python 爬虫知识，用来解决简单的贴吧下载，绩点运算自然不在话下。不过要想批量下载大量的内容，比如知乎的所有的问答，那便显得游刃不有余了点。于是乎，爬虫框架 Scrapy 就这样出场了！Scrapy = Scrach+Python，Scrach 这个单词是抓取的意思，暂且可以叫它：小抓抓吧。小抓抓的官网地址：点我点我。
先来说一下我们学校的网站：http://jwxt.sdu.edu.cn:7777/zhxt_bks/zhxt_bks.html查询成绩需要登录，然后显示各学科成绩，但是只显示成绩而没有绩点，也就是加权平均分。显然这样手动计算绩点是一件非常麻烦的事情。所以我们可以用python做一个爬虫来解决这个问题。决战前夜先来准备一下工具：HttpFox 插件。
更新：百度贴吧现在已经改成 utf-8 编码了吧，需要把代码中的 decode('gbk')改成 decode('utf-8')。百度贴吧的爬虫制作和糗百的爬虫制作原理基本相同，都是通过查看源码扣出关键数据，然后将其存储到本地 txt 文件。源码下载：http://download.csdn.net/detail/wxg694175346/6925583项目内容：用 Python 写的百度贴吧的网络爬虫。使用方法：新建一个 BugBaidu.
Q&A：为什么有段时间显示糗事百科不可用？答：前段时间因为糗事百科添加了 Header 的检验，导致无法爬取，需要在代码中模拟Header。现在代码已经作了修改，可以正常使用。为什么需要单独新建个线程？答：基本流程是这样的：爬虫在后台新起一个线程，一直爬取两页的糗事百科，如果剩余不足两页，则再爬一页。
接下来准备用糗百做一个爬虫的小例子。但是在这之前，先详细的整理一下 Python 中的正则表达式的相关内容。正则表达式在 Python 爬虫中的作用就像是老师点名时用的花名册一样，是必不可少的神兵利器。正则表达式基础概念介绍正则表达式是用于处理字符串的强大工具，它并不是 Python 的一部分。
# -*- coding: utf-8 -*-#---------------------------------------# 程序：百度贴吧爬虫# 版本：0.1# 作者：why# 日期：2013-05-14# 语言：Python 2.7# 操作：输入带分页的地址，去掉最后面的数字，设置一下起始页数和终点页数。# 功能：下载对应页码内的所有页面并存储为html文件。
前面说到了 urllib2 的简单入门，下面整理了一部分 urllib2 的使用细节。Proxy 的设置urllib2 默认会使用环境变量 http_proxy 来设置 HTTP Proxy。如果想在程序中明确控制 Proxy 而不受环境变量的影响，可以使用代理。新建 test14 来实现一个简单的代理 Demo：import urllib2 enable_proxy = True proxy_handler = urllib2.
在开始后面的内容之前，先来解释一下 urllib2 中的两个个方法：info and geturlurlopen 返回的应答对象 response(或者 HTTPError 实例)有两个很有用的方法 info()和 geturl()geturl()这个返回获取的真实的 URL，这个很有用，因为 urlopen(或者 opener 对象使用的)或许会有重定向。获取的 URL 或许跟请求 URL 不同。
先来说一说 HTTP 的异常处理问题。 当 urlopen 不能够处理一个 response 时，产生 urlError。不过通常的 Python APIs 异常如 ValueError，TypeError 等也会同时产生。HTTPError 是 urlError 的子类，通常在特定 HTTP URLs 中产生。URLError通常，URLError 在没有网络连接(没有路由到特定服务器)，或者服务器不存在的情况下产生。这种情况下，异常同样会带有"
版本号：Python2.7.5，Python3 改动较大，各位另寻教程。所谓网页抓取，就是把 URL 地址中指定的网络资源从网络流中读取出来，保存到本地。类似于使用程序模拟 IE 浏览器的功能，把 URL 作为 HTTP 请求的内容发送到服务器端， 然后读取服务器端的响应资源。在 Python 中，我们使用 urllib2 这个组件来抓取网页。
网络爬虫的定义网络爬虫，即 Web Spider，是一个很形象的名字。把互联网比喻成一个蜘蛛网，那么 Spider 就是在网上爬来爬去的蜘蛛。网络蜘蛛是通过网页的链接地址来寻找网页的。从网站某一个页面（通常是首页）开始，读取网页的内容，找到在网页中的其它链接地址，然后通过这些链接地址寻找下一个网页，这样一直循环下去，直到把这个网站所有的网页都抓取完为止。
为什么用 Python 写网络爬虫？Python 这种稍严谨而流行库又非常多的语言, 大大弱化了计算机运行速度对程序的影响, 强化了为程序员容易思考而打造的特性，所以选择 Python 来实现网络爬虫。本教程简单的介绍如何使用 Python 的相关模块如 urllib2 来实现网络爬虫。适用人群想要效率的截取网络素材，有批量抓取需求的开发者。
只要做过WEB开发人对于“404”已经再熟悉不过了吧。当我们访问的资源不存在时，它就会跑出来跟你打招呼啦。但是默认情况下，404页面比较简陋，不是很友好。而且一般用户不知道404是个神马东东，还以为是程序写的有问题呢。这样一来用户体验就打折扣了。所以通常情况下，我们都需要对这些常见的错误进行处理。
项目用的是SSH基础框架，其中有一些信息很类似，但又不尽相同。如果每一个建一个实体的话，那样实体会太多，如果分组抽象，然后继承，又不是特别有规律。鉴于这种情况，就打算让用户自己配置要添加的字段，然后生成对应的表。需要动态配置的部分实例：上图只是一小部分，一个一个组合起来大概有三百多。
很早之前就想写一篇关于SSH整合的博客了，但是一直觉得使用SSH的时候那么多的配置文件，严重破坏了我们代码整体性，比如你要看两个实体的关系还得对照.hbm.xml文件，要屡清一个Action可能需要对照applicationContext.xml和struts*.xml文件。
前面说完了Spring、Hibernate，很自然今天轮到struts了。struts的核心原理就是通过拦截器来处理客户端的请求，经过拦截器一系列的处理后，再交给Action。
关注时代Java
