zoukankan      html  css  js  c++  java
  • 10.聚焦爬虫和通用爬虫的区别

    1.通用爬虫:搜索引擎用的爬虫系统。搜索引擎和供应商提供的爬虫。

     通用爬虫要遵循规则:Robots协议
     
     通用爬虫工作流程:
      爬取网页》存储数据》内容处理》提供检索
     
     通用爬虫缺点:
      只能提供和文本相关的内容如html、world、pdf等,不能提供多媒体文件如音乐、图片、视频和二进制文件(脚本、程序)
      提供的结果千篇一律,针对不同领域提供不同内容
      不能提供人类语义上的检索
     
     通用爬虫局限性:
      1.通用搜索引擎返回网页的数据内容,大概90%都无用。
      2.中文搜索引擎自然语言检索理解困难。
      3.信息占有量和覆盖率存在局限。
      4.搜索引擎主要是以关键字搜索为主,对于图片、数据库、视频、音频等多媒体的内容用通用搜索引擎无效。
      5.搜索引擎的社区化和个性化不好,未考虑实际因素如人的地域、性别、年龄等差别。
      6.搜索引擎爬取动态网页效果不好
    2.聚焦爬虫:针对于某一需求编写的爬虫程序。
     
    聚焦爬虫可分为三类:
      
     1.积累式爬虫:从开始到结束,不断爬取,过程会进行重复操作。

     2.增量爬虫:已下载网页采取增量式跟新,爬取更新变化的数据。
     
     3.深度爬虫:指那些不能通过静态链接获取的、隐藏在搜索表单后的,只有用户提交一些关键词才能获取的web界面。
  • 相关阅读:
    TLB原理
    64寄存器位查看器
    araxis Merge
    start_KERNEL
    python 动态支持方案
    https://wenku.baidu.com/view/6142875b804d2b160b4ec06b.html 编译原理课件
    有无符号数的区别
    vim工具的路径
    edraw软件破解密钥已经上传,见文件目录
    https://tieba.baidu.com/p/2248070024
  • 原文地址:https://www.cnblogs.com/lvjing/p/10052221.html
Copyright © 2011-2022 走看看