網(wǎng)絡(luò)蜘蛛搜索引擎爬蟲程序

2020-04-01    分類： 網(wǎng)站建設(shè)

一、什么是搜索引擎爬蟲程序
網(wǎng)絡(luò)爬蟲(又被稱為網(wǎng)頁蜘蛛，網(wǎng)絡(luò)機(jī)器人，更常常的稱為網(wǎng)頁追逐者)，是一種按照一定的規(guī)則，自動(dòng)的抓取萬維網(wǎng)信息的程序或者腳本。另外一些不常使用的名字還有螞蟻，自動(dòng)索引，模擬程序或者蠕蟲。
這些處理被稱為網(wǎng)絡(luò)抓取或者蜘蛛爬行。很多站點(diǎn)，尤其是搜索引擎，都使用爬蟲提供最新的數(shù)據(jù)，它主要用于提供它訪問過頁面的一個(gè)副本，然后，搜索引擎就可以對(duì)得到的頁面進(jìn)行索引，以提供快速的訪問。蜘蛛也可以在web上用來自動(dòng)執(zhí)行一些任務(wù)，例如檢查鏈接，確認(rèn)html代碼;也可以用來抓取網(wǎng)頁上某種特定類型信息，例如抓取電子郵件地址(通常用于垃圾郵件)。
一個(gè)網(wǎng)絡(luò)蜘蛛就是一種機(jī)器人，或者軟件代辦代理。大體上，它從一組要訪問的URL鏈接開始，可以稱這些URL為種子。爬蟲訪問這些鏈接，它辨認(rèn)出這些頁面的所有超鏈接，然后添加到這個(gè)URL列表，可以稱作檢索前沿。這些URL按照一定的策略反復(fù)訪問。
二、爬蟲程序的種類以及分辨
搜索引擎派出他們的爬蟲程序去訪問、索引網(wǎng)站內(nèi)容，但是因?yàn)樗阉饕媾膳老x程序來訪會(huì)在一定程度上影響網(wǎng)站機(jī)能。在你的服務(wù)器日志文件中，可見每次訪問的路徑和相應(yīng)的 IP 地址，假如是爬蟲程序來訪， 則user-agent 會(huì)顯示 Googlebot 或MSNBot 等搜索引擎爬蟲程序名稱，每個(gè)搜索引擎都有自己的user-agent。
三、海內(nèi)主要的爬蟲程序
百度 baidu.com—-Baiduspider
http://www.baidu.com/search/spider.htm
谷歌 google.com—-Googlebot
http://www.google.com/bot.html
雅虎 yahoo.com—-Yahoo
http://misc.yahoo.com.cn/help.html
有道 yodao.com—-YodaoBot
http://www.yodao.com/help/webmaster/spider/
搜搜 soso.com—-Sosospider/Sosoimagespider
http://help.soso.com/webspider.htm
http://help.soso.com/soso-image-spider.htm
搜狗 sogou.com—-sogou
http://www.sogou.com/docs/help/webmasters.htm
微軟 msn.com—-msnbot
http://search.msn.com/msnbot.htm

網(wǎng)站標(biāo)題：網(wǎng)絡(luò)蜘蛛搜索引擎爬蟲程序
網(wǎng)頁地址：http://www.muchs.cn/news3/81703.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供標(biāo)簽優(yōu)化、企業(yè)建站、網(wǎng)站內(nèi)鏈、服務(wù)器托管、虛擬主機(jī)、軟件開發(fā)

廣告

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)

小程序開發(fā)