網(wǎng)站爬行策略

2022-04-28    分類： 網(wǎng)站建設(shè)

全互聯(lián)網(wǎng)是由相互鏈接的網(wǎng)站及頁面組成的。從理論上說，爬蟲從任何一個(gè)頁面出發(fā)，沿著鏈接都可爬完網(wǎng)上的所有頁面。由于網(wǎng)站及頁面具有非常復(fù)雜的鏈接結(jié)構(gòu)，爬蟲需要采取一定的爬行策略才能爬完網(wǎng)上所有頁面。實(shí)現(xiàn)一個(gè)完善的爬蟲系統(tǒng)，爬行策略至關(guān)重要。

爬行策略有如下幾種：深度優(yōu)先爬行策略是爬蟲沿著發(fā)現(xiàn)的鏈接先爬取一個(gè)網(wǎng)頁，然后一直往前爬行，爬行到前面再也沒有其他鏈接為止，然后在返回到第一個(gè)頁面，沿著另一個(gè)鏈接再一直往前爬行。如圖1所示，爬取的順序是A→D→E→B→C→F→G；廣度優(yōu)先爬行策略：是指爬蟲在一個(gè)頁面上發(fā)現(xiàn)多個(gè)網(wǎng)絡(luò)鏈接時(shí)，不是沿著一個(gè)網(wǎng)絡(luò)鏈接一直向前爬行，而是先把頁面上同一層次鏈接都爬一遍，然后再沿著第二層頁面上發(fā)現(xiàn)的鏈接爬向第三層頁面。

爬取的順序是A→B→C→D→E→F→G；大站優(yōu)先爬行策略是對于準(zhǔn)備抓取地址隊(duì)列中的所有網(wǎng)頁，把其根據(jù)所屬的網(wǎng)站進(jìn)行分類，優(yōu)先爬取網(wǎng)站的網(wǎng)頁數(shù)量比其他多的網(wǎng)站。反鏈爬行策略是指的是一個(gè)網(wǎng)頁被其他網(wǎng)頁鏈接指向的數(shù)量，當(dāng)某個(gè)網(wǎng)頁的內(nèi)容受到其他人的推薦的程度高，這種網(wǎng)頁被優(yōu)先爬取。

當(dāng)前名稱：網(wǎng)站爬行策略
文章路徑：http://www.muchs.cn/news46/147046.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供外貿(mào)建站、軟件開發(fā)、Google、外貿(mào)網(wǎng)站建設(shè)、網(wǎng)站設(shè)計(jì)、微信小程序

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，如需處理請聯(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)

成都定制網(wǎng)站建設(shè)