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
  • 15 2019-11
    免费代理IP​有哪些不好?

    免费代理IP​有哪些不好?使用免费代理IP上网,就像是没有任何抗体的新生儿一样,很容易被病毒感染,专注于提供HTTP系列产品代理服务的高端优质IP代理企业比特IP代理,将为你具体解析使用

  • 13 2019-07
    换ip软件突破IP限制加快工作效率

    换ip软件突破IP限制加快工作效率,因此许多网民都在使用的。除此之外,换ip软件还有什么作用呢?换ip软件可以用于哪些地方?

  • 14 2019-07
    手动更换ip与自动更换ip的优缺点

    当ip被封之后,估计你也不会傻傻的等几天吧。换ip,这是解决网络IP限制最效果的方法!那么怎么换ip呢?可以使用代理ip软件!分为手动更换ip与自动更换ip,那么用什么方式好呢?

  • 08 2021-03
    代理ip对互联网平台辅助

    现在网络中,代理ip是我们非常重要的使用工具,它能够为我们带来很多的方便。

  • 27 2020-03
    不同代理ip类型的使用

    在现在互联网的使用中,换ip是非常常见的,无论是ip限制问题,还是其他问题,如果能够简单换ip解决,那么大家也能够更好的使用网络。

  • 27 2019-11
    高匿代理ip​可以隐藏真实ip吗?

    高匿代理ip​可以隐藏真实ip吗?本地ip遭限制,这是我们常遇的一个问题,如果想要彻底隐藏真实的IP地址,最常用的一种方法是使用匿名代理,通常大家都知道代理ip会分成几个级别,级别不同

您好,当前有客服在线,请问有什么需要咨询的吗?