用Python实现的搜狗词库爬虫。各模块对应的内容如下
getCategory.py，提取词库分类ID和名字，以字典形式返回。
SpiderMan.py，爬虫调度器。
UrlManager.py，URL管理器。
HtmlDownloader.py，网页下载器。
HtmlParser.py，网页解析器。
DataOutput.py，数据存储器。
SogouDictParser.py，搜狗词库解析器。
使用方法：把主函数中的下载词库的基目录baseDir和解析词库的输出基目录outBaseDir改成自己的目录即可，注意目录末尾不能有/。
关于实现的具体细节可参考如下文章。