網絡爬蟲基本思路
基本思路：由關鍵字指定的url把所有相關的html頁面全抓下來（html即為字符串），然后解析html文本（通常是正則表達式或者現成工具包如jsoup），提取文本信息，然后把文本信息存儲起來。
網絡爬蟲操作步驟
URL(統一資源定位符）
下載資源
分析下載資源（正則表達式）
抽取、清洗、儲存
該文章只會操作兩步步驟URL和下載html資源。
網絡編程小知識
URI:(Universal Resource Identifier)統一資源標記符，用來標記抽象或物理資源的一個緊湊字符串。
URL:(Universal Resource Locator)統一資源定位符，一種定位資源的主要訪問機制的字符串，一個標準的URL必須包括：protocal（協議）、host（主機）、port（端口號）、path（路徑）、parameter（參數）、anchor（錨）。
URN：(Universal Resource Name)統一資源名稱，通過特定命名空間中的唯一名稱或ID來標識資源。
URL和URN都是URI，但是URI不一定是URL或者URN。
seo搜索引擎優化
SEO是搜索引擎優化（Search Engine Optimization）的英文縮寫，中文譯為“搜索引擎優化”。在了解搜索引擎自然排名機制的基礎上，對網站進行內部及外部的調整優化，改進網站在搜索引擎中的關鍵詞自然排名，獲得更多流量，從而達成網站銷售及品牌建設的預期目標。
網絡爬蟲技術是SEO搜索引擎優化的基礎（對網絡爬蟲感興趣的同學可以深入研究）
JAVA中的JDK已經對URL(資源定位符)封裝完畢，使用者只要會用即可。
使用JAVA代碼下載網站資源有如下兩種情況：
該代碼主要是通過URL類的openStream方法來獲取網絡資源，如果還想了解URL類的信息的同學可以去看看JDK中URL類的源代碼。
二、網站不允許外來訪問(模仿瀏覽器使用HTTP協議交流)代碼如下
注意事項
JAVA中的控制臺儲存空間有限，所以有時候HTML源代碼會顯示不全，但你可以通過IO操作來拷貝到文件中去。
HttpURLConnection類的setRequestProperty方法中的（String key，String value）參數需要到瀏覽器相應網頁中去拷貝。
拷貝如下：
1、進入瀏覽器相關網頁。
2、按住F12進入devtools。
3、拷貝Request包中最后一行數據。
4、冒號前的對應key參數，冒號后的對應value參數。
