2024-03-03 分類: 網(wǎng)站建設(shè)
一、什么是網(wǎng)絡(luò)爬蟲?
網(wǎng)絡(luò)爬蟲,是指按照一定的規(guī)則、自動(dòng)抓取互聯(lián)網(wǎng)上信息的程序組件或腳本程序。在搜索引擎中,網(wǎng)絡(luò)爬蟲就是搜索引擎發(fā)現(xiàn)和抓取文檔的自動(dòng)化程序。
二、網(wǎng)絡(luò)爬蟲產(chǎn)生的背景
互聯(lián)網(wǎng)信息大爆炸,人們不滿足于僅僅依靠開放目錄等傳統(tǒng)方式在網(wǎng)絡(luò)上尋找一些東西,為了滿足不同的人的不同需求,于是出現(xiàn)了網(wǎng)絡(luò)爬蟲。
三、網(wǎng)絡(luò)爬蟲面臨的問題
搜索引擎架構(gòu)的兩個(gè)目標(biāo)是效果和效率,這同樣也是對(duì)網(wǎng)絡(luò)爬蟲提出的要求。面對(duì)億級(jí)網(wǎng)頁數(shù)量,重復(fù)內(nèi)容很高,在SEO行業(yè)重復(fù)率可能在50%以上,網(wǎng)絡(luò)爬蟲面臨的問題是為了提高效率和效果,就需要在一定的時(shí)間內(nèi)獲得更多有高質(zhì)量頁面,摒棄那些原創(chuàng)度低、復(fù)制內(nèi)容、拼接內(nèi)容等頁面。
四、網(wǎng)絡(luò)爬蟲的分類和策略
網(wǎng)絡(luò)爬蟲有很多種類,錯(cuò)誤君簡(jiǎn)單介紹以下幾種:
1)Deep Web爬蟲
搜索引擎蜘蛛可以爬行并抓取的頁面稱之為“表層網(wǎng)頁”,某些不能通過靜態(tài)鏈接獲得的頁面稱之為“深層網(wǎng)頁”,Deep Web爬蟲就是抓取深層網(wǎng)頁的爬蟲體系。小結(jié):一般來講,網(wǎng)絡(luò)爬蟲抓取策略分為三種:
a、深度優(yōu)先
順著一個(gè)鏈接一直爬行,直到某一頁面再也沒有鏈接,再開始爬行另外一條。但是一般都是從種子網(wǎng)站開始抓取,如果采用這種形式可能會(huì)造成抓取的頁面質(zhì)量越來越低,所以這種策略使用較少。
b、最佳優(yōu)先
根據(jù)一定的網(wǎng)頁分析算法,比如鏈接算法和頁面加權(quán)算法等,優(yōu)先抓取更具有價(jià)值的頁面。
c、廣度優(yōu)先
搜索完當(dāng)前頁面所有鏈接,才開始進(jìn)入下一層。
2)增量式網(wǎng)絡(luò)爬蟲
增量式網(wǎng)絡(luò)爬蟲,是指對(duì)已經(jīng)收錄的頁面進(jìn)行更新、爬行新頁面和發(fā)生變化的頁面。增量式網(wǎng)絡(luò)爬蟲策略:廣度優(yōu)先策略和PageRank優(yōu)先策略等。
3)聚焦網(wǎng)絡(luò)爬蟲
聚焦網(wǎng)絡(luò)爬蟲,又稱為“主題網(wǎng)絡(luò)爬蟲”,預(yù)先選擇一個(gè)(或幾個(gè))相關(guān)主題,僅爬行并抓取這一類的相關(guān)頁面。聚焦網(wǎng)絡(luò)爬蟲策略:聚焦網(wǎng)絡(luò)爬蟲增加了鏈接和內(nèi)容評(píng)價(jià)模塊,所以其爬行策略的關(guān)鍵是評(píng)價(jià)頁面的鏈接和內(nèi)容后再進(jìn)行爬行。
4)通用網(wǎng)絡(luò)爬蟲
通用網(wǎng)絡(luò)爬蟲,又稱為“全網(wǎng)爬蟲”,從一些種子網(wǎng)站開始爬行,逐步擴(kuò)展到整個(gè)互聯(lián)網(wǎng)。通用網(wǎng)絡(luò)爬蟲策略:深度優(yōu)先策略和廣度優(yōu)先策略。
本文名稱:成都網(wǎng)站定制:網(wǎng)絡(luò)爬蟲的分類和抓取內(nèi)容策略
文章來源:http://redsoil1982.com.cn/news43/319943.html
成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián),為您提供網(wǎng)站制作、品牌網(wǎng)站建設(shè)、Google、微信小程序、網(wǎng)站排名、面包屑導(dǎo)航
聲明:本網(wǎng)站發(fā)布的內(nèi)容(圖片、視頻和文字)以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主,如果涉及侵權(quán)請(qǐng)盡快告知,我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如需處理請(qǐng)聯(lián)系客服。電話:028-86922220;郵箱:631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載,或轉(zhuǎn)載時(shí)需注明來源: 創(chuàng)新互聯(lián)
猜你還喜歡下面的內(nèi)容