代理ip

>

换ip软件

>

http代理

>

ip代理

您的位置:首页 > 新闻资讯 > 文章内容
常见网络爬虫的类型有哪些
来源:网连代理 作者:admin 时间:2019-09-25 16:24:05

  网络爬虫,是一种按照一定的规则,自动地抓取万维网信息的程序或者脚本。另外一些不常使用的名字还有蚂蚁、自动索引、模拟程序或者蠕虫。常见网络爬虫的类型有哪些?网连代理小编马上就来告诉你。


常见网络爬虫的类型有哪些


  1.通用网络爬虫(General Purpose Web Crawler)


  爬取目标资源在全互联网中,爬取目标数据巨大。对爬取性能要求非常高。应用于大型搜索引擎中,有非常高的应用价值。


  通用网络爬虫的基本构成:初始URL集合,URL队列,页面爬行模块,页面分析模块,页面数据库,链接过滤模块等构成。


  通用网络爬虫的爬行策略:主要有深度优先爬行策略和广度优先爬行策略。


  2.聚焦网络爬虫(Focused Crawler)


  将爬取目标定位在与主题相关的页面中


  主要应用在对特定信息的爬取中,主要为某一类特定的人群提供服务


  聚焦网络爬虫的基本构成:初始URL,URL队列,页面爬行模块,页面分析模块,页面数据库,连接过滤模块,内容评价模块,链接评价模块等构成


  聚焦网络爬虫的爬行策略:


  基于内容评价的爬行策略


  基于链接评价的爬行策略


  基于增强学习的爬行策略


  基于语境图的爬行策略


  关于聚焦网络爬虫具体的爬行策略


  3.增量式网络爬虫(Incremental Web Crawler)


  增量式更新指的是在更新的时候只更新改变的地方,而未改变的地方则不更新


  只爬取内容发生变化的网页或者新产生的网页,


  一定程度上能保证所爬取的网页,尽可能是新网页


  4.深层网络爬虫(Deep Web Crawler)


  表层网页:不需要提交表单,使用静态的链接就能够到达的静态网页


  深层网页:隐藏在表单后面,不能通过静态链接直接获得,是需要提交一定的关键词之后才能够获取得到的网页。


  深层网络爬虫最重要的部分即为表单填写部分


  深层网络爬虫的基本构成:URL列表,LVS列表(LVS指的是标签/数值集合,即填充表单的数据源)爬行控制器,解析器,LVS控制器,表单分析器,表单处理器,响应分析器等


  深层网络爬虫表单填写有两种类型:


  基于领域知识的表单填写(建立一个填写表单的关键词库,在需要的时候,根据语义分析选择对应的关键词进行填写)


  基于网页结构分析的表单填写(一般是领域只是有限的情况下使用,这种方式会根据网页结构进行分析,并自动的进行表单填写)


相关文章内容简介
推荐阅读
  • 13 2018-11
  • 04 2019-09
    代理IP可以通过哪些方式获取?

    如果你做过网络爬虫,就一定知道代理IP的作用。那么,代理IP可以通过哪些方式获取呢?本文就来为小白普及这方面的知识,一起来看看吧!1)通过程序扫出来的代理 通过程序扫IP段,或者时端

  • 08 2019-08
    独享IP有哪些优势

    独享IP在代理IP中也不少见,购买独享IP后,只有你自己一个人使用这个IP,使用起来更稳定。其实,独享IP还有更多优势,下面为大家进行详细的介绍。1.不会有他人影响。如果是共享IP,可能在

  • 16 2019-03
    Nginx实现http代理

    Nginx实现http代理

  • 18 2020-02
    Python3爬取微信步骤(上)

    Python3如何爬取微信好友基本信息,并且进行数据清洗?下面跟着网连代理带来的教程,我们一起看看具体的操作要怎么实现。

  • 05 2019-03
    有什么软件可以更换ip地址

    有什么软件可以更换ip地址?如果需要更换IP地址,是怎么更换的呢?是直接找到设置中更换IP地址的地方更改吗?这种更改IP的方法效率太慢了,若是需要更换更多的IP地址,这岂不是完全没有