首页 > 新闻中心> 广州校区 >正文

网络爬虫的分类有哪几种?你了解吗?

更新时间: 2020-07-29 16:54:36来源: 粤嵌教育

    如果说对于python有过了解的学员的话肯定就是对于python就是有了解的了,爬虫是python的一部分了,在系统结构中网络爬虫的分类是要分为多少种的呢?大家对于这些网络爬虫是否真的了解呢?今天粤嵌科技就来和大家一起了解下网络爬虫的分类。

爬虫

  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)


  网络爬虫的分类粤嵌科技就和大家讲解这么多了,不管是你是对网络爬虫感兴趣还是你对于python感兴趣,粤嵌科技都欢迎大家来我们公司的Python培训班进行实地考察,也可以来免费体验我们的python免费试听课程,获取的方式可以点击我们文章下面的获取试听资格按钮来获取。

免费预约试听课

推荐阅读