webmagic 0.3.0 发布，高性能Java爬虫框架

webmagic的是一个无须配置、便于二次开发的爬虫框架，它提供简单灵活的API，只需少量代码即可实现一个爬虫。

之前两个版本的主题分别是"灵活"，"方便"，而此次更新的主题是"性能"。

主要更新内容：

1. 重写了XPath解析器，替换了HtmlCleaner。这个XPath解析器(我另外建立了一个项目 Xsoup)基于Jsoup完成，比HtmlCleaner性能好一倍以上，同时有更友好的错误提示。

2. 使用Xsoup后，结合webmagic内部的一些优化，抽取单页面的时间从7~9ms降低到了0.4ms，提高了20倍，在多线程下会有很大的效率提高。

3. Xsoup的XPath兼容大部分XPath 1.0的语法，同时加入了一些便于页面抽取的函数扩展，例如 //div[@class='BlogContent']/tidyText()会去掉所有HTML标签，并进行智能换行；//a/regex(@href,'.*blog.*')支持在结果的属性里使用正则表达式进行进一步抽取。后续会根据大家的反馈增加一些实用的语法和功能。

4. Xsoup目前大部分XPath语法均测试通过，如果在使用中出现问题，可以使用Spider.xsoupOff()关闭xsoup，重新使用HtmlCleaner，并提出反馈。

5. cycleRetryTimes，该机制会将下载失败的url重新放入队列重试，直到达到重试次数，以保证不因为某些网络原因漏抓页面。默认不打开，可通过site.setCycleRetryTimes设置此项，目前只支持HttpClientDownloader和RedisScheduler。