好象有日子没更新过blog了，写篇来证明博主的存在吧。
好多哥们建了网站，都不知道如何吸引别人的眼球。其实我觉得的，要么功能，要么内容。可是个人办的网站，就是二十四小时挂在网上不停的拷贝粘贴又能做得了多少内容？ 懒人自有懒办法，写个程序去抓去？
嗯，想到就得动手，不然过阵就忘记了，当然喽，还是谋定而后动，打算怎么整呢？先选择好技术：
1、谁去抓？好象好多人都推荐使用nutch或是herixtrix，不过我觉得象一般的小网站玩玩，就不必这么费事了，就用HTMLParser吧，抓取与解析一体化解决吧。
2、谁来格式化数据？同上了，俺用正则习惯了，正好node + regex 够你用了。
3、如何存储抓来的数据？ 我是用惯JavaEE了，那就 ibatis + mysql 吧，hiberate 就不必了，虽然我没打算做个多高负载的应用，但hibernate怎么也感觉不是很合适吧？ （喜欢hiberate别拍砖，我不喜欢口水战，各人有自喜好，而且hibernate我也很喜欢）
4、如何把你抓来的数据表现出来呢？ 这个就得看你自己的需要喽，CMS 还是 B2B电子商务程序？ 还是一个 CRM或ERP程序(如果这样的话，倒不妨试试opentaps？）
5、性能是不是问题？ 如果你打算做个专业的搜索引擎或是阿里巴巴之类的电子商务引擎，除去硬件的考虑、数据库的优化，也许你要更多地考虑cache的管理，还有可能考虑文件索引（如用lunece）
6、差点忘记了，谁来调度这些爬虫及程序之间的任务执行顺序呢？ 试试Quartz？！
又犯困了，先写这吧，正好有个朋友要我帮忙指导做个类似玩意儿，下次再记录吧。