网络爬虫原理 网络爬虫是什么

  最近总听到一个熟悉而陌生的名词“网络爬虫”，到底什么是网络爬虫呢?小编和大家一起来探究一下“网络爬虫”。

　　网络爬虫是什么

　　网络爬虫(又被称为网页蜘蛛，网络机器人，在FOAF社区中间，更经常的称为网页追逐者)，是一种按照一定的规则，自动的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。

　　网络爬虫原理

　　网络爬虫是一个自动提取网页的程序，它为搜索引擎从万维网上下载网页，是搜索引擎的重要组成。传统爬虫从一个或若干初始网页的URL开始，获得初始网页上的URL，在抓取网页的过程中，不断从当前页面上抽取新的URL放入队列,直到满足系统的一定停止条件。

　　工作流程

　　1。首先选取一部分精心挑选的种子URL;

　　2。将这些URL放入待抓取URL队列;

　　3。

  从待抓取URL队列中取出待抓取在URL，解析DNS，并且得到主机的ip，并将URL对应的网页下载下来，存储进已下载网页库中。此外，将这些URL放进已抓取URL队列。

　　4。分析已抓取URL队列中的URL，分析其中的其他URL，并且将URL放入待抓取URL队列，从而进入下一个循环。

小编推荐：　　超级网络编辑器快捷键使用方法。