在网上收集了一些资料，对比了几种采集方式，其实采集大多数语言都可以做，下面总结一下几个语言的组合方式：
1. C/C++式的采集，这种主要是用来开发类似于百度搜索爬虫类的应用，一般的人玩不动。
2. Java + Jsoup 方式，参考http://my.oschina.net/bigyuan/blog/98115
3. Python 方式
4. PHP方式
其实归根到底都是看自己擅长什么语言，从而最快的完成。