收藏 400-998-9776 转2 服务时间 周一至周日 9:00-23:00 注意:本站不提供境外服务
您的位置:首页 >文章内容
Python爬虫有什么类型?
来源:互联网 作者:admin 时间:2019-10-30 09:35:29

  Python爬虫有什么类型?很多用户之所以会使用代理ip都是为了爬虫采集,尽管爬虫采集能够爬取页面信息,但要实现这个效果却不是所有爬虫都可以做到。爬虫也有分类,不同的爬虫能够做到的效果也不一样,那么爬虫都有哪些类型呢?


timg (1).jpg


  1.增量式网络爬虫

  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。


  2.通用爬虫

  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。

  爬行策略:主要有深度优先爬行策略和广度优先爬行策略。

  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。


  3.深层网络爬虫

  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。

  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)。


  4.聚焦网络爬虫

  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。

  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。

  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。

  不同类型的爬虫有着不一样的爬行策略和基本构成,因而也用于不同的场景当中,不同的爬虫爬取的内容不一样,可以根据实际爬取需求来选择爬虫类型。【推荐阅读:代理ip能防止真实ip泄露吗?


推荐阅读
  • 16 2019-07
    找个长时间有效的代理ip

    找个长时间有效的代理ip,如果有效时间太短了,这ip都还没有换好就不能用了,这不是白费功夫了吗?事情没有做好,还浪费了时间。但是怎么找个长时间有效的代理ip呢?

  • 29 2019-11
    如何处理爬虫被封?

    如何处理爬虫被封?在学习Python爬虫的时候,经常会遇见所要爬取的网站采取了反爬取技术,高强度、高效率地爬取网页信息常常会给网站服务器带来巨大压力,所以同一个IP反复爬取同一个网页

  • 23 2019-10
    使用代理ip​需要注意什么?

    使用代理ip​需要注意什么?代理ip软件的使用已经逐渐平民化,很多人都喜欢使用代理ip来辅助工作或者用来平日的上网,代理ip软件的好处正在被越来越多人了解,虽然使用代理ip好处多多,但

  • 06 2020-07
    选代理ip服务商有哪些特质比较好?

    网络有很多时候是可以用到代理服务器的,对于经常接触网络的大家来说,应该并不陌生。

  • 19 2019-09
    使用代理ip​爬虫还会被封吗?

    使用代理ip​爬虫还会被封吗?爬虫需要使用代理IP来进行辅助这是每个爬虫工作者都知道的事情,可是有些朋友向我反映在使用了代理IP后还会被封ip了,爬虫被限制的原因有很多,除了代理IP要

  • 21 2019-06
    网站推广巧用IP更换软件

    网站推广巧用IP更换软件,如果用得好,这对网站推广非常有好处的,不管站内还是站外的推广。为什么呢?