爬蟲抓取方式分類說明
作者：dengying
瀏覽：2051次
發(fā)布時間：2015-05-25
編輯
分享
評論
贊0
一個網(wǎng)站想被搜索引擎(百度、谷歌等)收錄，是靠索引爬蟲抓取的。那么爬蟲是怎么抓取的呢?下面跟大家解說一下：
爬蟲的抓取方式一般可以分為累積式抓取和增量式抓取兩種。
累積式抓取是指從某一個時間點(diǎn)開始，通過遍歷的方式抓取系統(tǒng)所能允許存儲和處理的所有網(wǎng)頁。在理想的軟硬件環(huán)境下，經(jīng)過足夠的運(yùn)行時間，累積式抓取可以保證取到相當(dāng)規(guī)模的網(wǎng)頁集合。但由于Web數(shù)據(jù)的動態(tài)特性，已抓取的網(wǎng)頁可能出現(xiàn)更新或死鏈的情況，因此積累式抓取到的網(wǎng)頁集合事實(shí)上并無法與真實(shí)環(huán)境中網(wǎng)絡(luò)數(shù)據(jù)保持一致。
增量式抓取是指在具有一定量規(guī)模的網(wǎng)頁集合的基礎(chǔ)上，采用更新數(shù)據(jù)的方式選取已在集合中的過時網(wǎng)頁進(jìn)行抓取，以保證所抓取的數(shù)據(jù)與真實(shí)網(wǎng)絡(luò)數(shù)據(jù)足夠接近。進(jìn)行增量式抓取的前提是，系統(tǒng)已經(jīng)抓取了足夠數(shù)量的網(wǎng)頁，并具有這些頁面被抓取的時間信息
猜你喜歡