distributed-spider:通用新闻类网站分布式爬虫

新闻结构化信息提取 功能：可提取新闻标题、时间、作者、正文等信息 1.标题提取 1.1 如果是特殊的网站，使用指定的正则提取 1.2 否则在网页源代码中的title标签中提取，并去掉_、-、|之后的内容。多为网站名，如： 谱写美丽中国的海南篇章--时政--人民网 1.3 如经过以上两步还没有匹配到标题，则在h1~h4标题标签中提取 2.时间提取 2.1 枚举时间正则 [ 　　"(\d{4}[-|/|.]\d{1,2}[-|/|.]\d{1,2}\s*?[0-1]?[0-9]:[0-5]?[0-9]:[0-5]?[0-9])", 　　"(\d{4}[-|/|.]\d{1,2}[-|/|.]\d{1,2}\s*?[2][0-3]:[0-5]?[0-9]:[0-5]?[0-9])", 　　"(\d{4}[-|/|.]\d{1,2}[-|/|.]\d{1,2}\s*?[0-1]?[0-9]:[0-