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 2019-09
    代理ip背后的原理和作用是什么?

    代理ip背后的原理和作用是什么?代理ip​在我们的日常生活当中的使用频率其实越来越高,特别是对于一些网络工作者来说,代理IP更是每天都必须接触使用的工具,但是你又知不知道代理IP是怎

  • 01 2020-03
    ip代理如何帮助获取流量?

    代理ip会经常在哪些互联网行业使用呢?如果大家对于代理ip的功能有所了解,那么应该可以清楚的知道哪些行业会对ip切换有着强烈的需求。

  • 22 2019-07
    iPhone手机怎么改ip地址?

    iPhone手机怎么改ip地址?如果遇到手机也需要改ip地址,这怎么改呢?是否有换ip软件支持修改iPhone手机的ip地址?

  • 02 2019-05
    游戏多开使用ip代理软件的作用

    游戏多开使用ip代理软件的作用,这点大家了解有多少呢?到底有没有游戏防封的作用?或者是其他的作用?我们来分析下。

  • 27 2019-08
    贴吧被封号用IP代理​解决!

    贴吧被封号用IP代理​解决!贴吧是个比较大的平台,很多人员都希望通过贴吧引流,但是贴吧的封号检测十分严格,怎么避免被封号删帖的后果呢?下面跟着智连代理一起去了解一下:

  • 11 2019-09
    为什么代理ip越来越普遍?

    为什么代理ip越来越普遍?现在由于互联网的发展,越来越多的人开始意识到代理ip​的重要性,代理ip服务开始在人们的生活中普遍起来。