zoukankan      html  css  js  c++  java
  • [转]Httrack工具与使用指南

    1. HTTrack工具介绍

        HTTrack是一个网站镜像工具,本来是用来抓取网站做离线浏览用的。但是HTTrack的爬虫特性和搜索引擎蜘蛛爬虫非常的像,这也逐渐应用到 SEO(搜索引擎优化)工作中。其实这两种看似不同的爬虫做的都是同样的工作,就是复制网站并存储下来(网站在搜索引擎中的网页快照就是被存储下来的内容)。

    HTTrack Website Copier界面如下图所示:

        我们一般用 HTTrack Website Copier 来对网站进行检测或测试,模拟爬虫对受保护服务的爬行、抓取、收录,以来测试我们的防护设备对爬虫的防护。

    1. HTTrack工具使用

    第一步:创立项目的名称(工程名)

    第二步:选择操作方式,再点击添加URL”,将我们的网站地址添加进去。

        第三步:进入选项,设定爬行和抓取规则等选项

     

    在选项中,取消使用代理进行FTP传输

    进入扫描规则,为HTTrack程序设定爬行和抓取规则,HTTrack里面自带了一些,可以自己设置,也可以默认。

     

    这样的扫描规则搜索引擎也一定会有的,比如不收录.exe文件,zip文件等等。然后不收录一些特定的跟踪链接, 如 ad.doubleclick.net 。你需要把一些搜索引擎爬虫不收录的特征加进去。

    然后在“搜寻”里面,很多的特征都是现在搜索引擎爬虫的特征:

     

    一般的搜索引擎不会接收cookies,因此测试时我们也将此项去掉。

    第四步:一般按照以上设置就可以,其他的默认就行。点击下一步:

    在此页面,我们不用选择任何项,直接点击完成就可以进行测试了,如下图

     

        此时,HTTrack开始对网页进行爬行,抓取。

    原文地址:https://wenku.baidu.com/view/b128946327d3240c8447ef61.html

  • 相关阅读:
    鹰牌陶瓷签约亿客CRM系统 建材行业进入CRM时代
    CRM成为大数据落地的关键
    客户流失了怎么办?
    亿客CRM研发公司简介
    CRM销售管理软件让销售管理成为企业的助力
    CRM帮助企业的营销管理
    浅析移动CRM的客户价值细分
    CRM规划和执行战略
    信息化的先锋CRM
    SaaS的应用将弱化大小企业间竞争差距
  • 原文地址:https://www.cnblogs.com/dirgo/p/7382700.html
Copyright © 2011-2022 走看看