不同类型爬虫的爬行策略

不同类型爬虫的爬行策略

1、增量式网络爬虫。

增量更新是指在更新时只更新变化的地方,而没有变化的地方则不更新,只抓取内容发生变化的网页或新产生的网页,在一定程度上可以保证所抓取的网页,尽量是新网页。

2、通用爬虫。

抓取目标资源在全网,抓取目标数据巨大。爬行性能要求很高。适用于大型搜索引擎,具有很高的应用价值。

主要包括深度优先爬行策略和广度优先爬行策略。

3、深层网络爬虫。

表面页面:无需提交表格,使用静态链接即可到达的静态页面。

深层网页:隐藏在表单后面,不能直接通过静态链接获取,是需要提交一定关键词才能获得的网页。

深层网络爬虫最重要的部分是填写表格。

4、聚焦网络爬虫。

在与主题相关的页面题相关的页面,主要用于抓取特定信息,主要为特定群体提供服务。

基于内容评价的爬行策略,基于链接评价的爬行策略,基于加强学习的爬行策略,基于语境图的爬行策略,专注于网络爬虫的具体爬行策略。

发表评论