详细信息
当前位置: 首页> 详细信息
【网站百科】网络爬虫到底是什么?
专栏:行业资讯
发布日期:2020-03-16
阅读量:70
作者:小科

对于很多刚入行的SEO优化工作人员,本人认为,网络爬虫是必须学习的基础知识之一,对于网络爬虫的认识和理解,有助于我们日常工作中更好的去优化网站。那么,网络爬虫到底是什么呢?今天客绪方网络就这个问题来和大家分析分析。

网络爬虫到底是什么?

什么是网络爬虫
首先我们的要知道,什么是网络爬虫。网络爬虫,算是有一定的规律和习惯性的互联网插件程序或脚本程序 ,它有一定的自我判断能力,去自动的抓取互联网上的信息。对于搜索引擎来讲,网络爬虫就是自己去发现并获取文档的一个自动化助理。

网络爬虫诞生的原由

互联网信息大爆炸,人们不满足于仅仅依靠开放目录等传统方式在网络上寻找一些东西,为了满足不同的人的不同需求,于是出现了网络爬虫。

网络爬虫面临的问题
搜索引擎架构的两个目标是效果和效率,这同样也是对网络爬虫提出的要求。面对亿级网页数量,重复内容很高,在SEO行业重复率可能在50%以上,网络爬虫面临的问题是为了提高效率和效果,就需要在一定的时间内获得更多有高质量页面,摒弃那些原创度低、复制内容、拼接内容等页面。

网络爬虫到底是什么?

网络爬虫的分类
网络爬虫其实有很多种类,通用、聚焦、增量式、DeepWeb等网络爬虫。

1.通用网络爬虫
通用网络爬虫,又称为“全网爬虫”,从一些种子网站开始爬行,逐步扩展到整个互联网。通用网络爬虫策略,就是深度优先策略和广度优先策略。


2.聚焦网络爬虫
聚焦网络爬虫,又称为“主题网络爬虫”,预先选择一个(或几个)相关主题,仅爬行并抓取这一类的相关页面。聚焦网络爬虫策略,聚焦网络爬虫增加了链接和内容评价模块,所以其爬行策略的关键是评价页面的链接和内容后再进行爬行。

3.增量式网络爬虫
增量式网络爬虫,是指对已经收录的页面进行更新、爬行新页面和发生变化的页面。增量式网络爬虫策略,广度优先策略和PageRank优先策略等。

4. Deep Web爬虫
搜索引擎蜘蛛可以爬行并抓取的页面称之为“表层网页”,某些不能通过静态链接获得的页面称之为“深层网页”,Deep Web爬虫就是抓取深层网页的爬虫体系。


网络爬虫的策略
一般来讲,网络爬虫抓取策略分为三种、广度优先搜索完当前页面所有链接,才开始进入下一层。最佳优先,根据一定的网页分析算法,比如链接算法和页面加权算法等,优先抓取更具有价值的页面。深度优先,顺着一个链接一直爬行,直到某一页面再也没有链接,再开始爬行另外一条。但是一般都是从种子网站开始抓取,如果采用这种形式可能会造成抓取的页面质量越来越低,所以这种策略使用较少。

网络爬虫到底是什么?




上一页:【网站百科】带你了解一下互联网上的门牌号——IP地址
下一页:【网站百科】红利爆棚的百度熊掌号探究

售前咨询:0760-2332 0868  
售后客服:400  830  7686



1998~2020,今科22年专注于企业信息化服务

立 即 注 册 / 咨 询
上 线 您 的 网 站