欢迎访问本网站,本网站主要提供seo基础教程知识、网站建设相关教程基础和深圳seo招聘信息,同时提供深圳搜索引擎优化服务!
深圳seo欢迎你的到来

免费诊断网站|企业网站关键词排名优化 QQ:276749026

当前位置: 主页 > seo资讯 > Spider抓取系统的基本框架详解

Spider抓取系统的基本框架详解

发布时间:2017-09-07 07:02内容来源: 点击:

互联网信息爆发式增加,但是如何有效的获取并利用这些信息是搜索引擎工作中的首要环节。数据抓取系统作为整个搜索系统中的上游,主要负责互联网信息的搜集、保存、更新环节,它像蜘蛛一样在网络间爬来爬去,因此通常会被叫做“spider”。例如我们常用的几家通用搜索引擎蜘蛛被称为:Baiduspdier、Googlebot、Sogou Web Spider等。
       Spider抓取系统是搜索引擎数据来源的重要保证,如果把web理解为一个有向图,那么spider的工作过程可以认为是对这个有向图的遍历。从一些重要的种子 URL开始,通过页面上的超链接关系,不断的发现新URL并抓取,尽最大可能抓取到更多的有价值网页。对于类似百度这样的大型spider系统,因为每时 每刻都存在网页被修改、删除或出现新的超链接的可能,因此,还要对spider过去抓取过的页面保持更新,维护一个URL库和页面库。
      下图为spider抓取系统的基本框架图,其中包括链接存储系统、链接选取系统、dns解析服务系统、抓取调度系统、网页分析系统、链接提取系统、链接分析系统、网页存储系统。Baiduspider即是通过这种系统的通力合作完成对互联网页面的抓取工作。

099601376296234.JPG

顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------