蜘蛛爬取网站的基本方式

为抓取到网站上尽量多的页面，搜索引擎蜘蛛会跟踪网页上的链接，从一个页面爬到下一个页面，这和蜘蛛在蜘蛛网上爬行是一样的，这也就是搜索引擎机器人称为蜘蛛的由来。
整个互联网是由相互链接的网站及页面组成的。从理论上说，蜘蛛可以从任何一个页面出发，顺着链接可以爬行到网上任何一个页面。当然，由于网站及页面链接结构异常复杂， 蜘蛛需要采取一定的爬行策略才能行走于整个互联网海洋。
通常搜索引擎蜘蛛爬行遍历策略分有两种，一种是深度优先，另一种是广度优先。
所谓深度优先，指的是蜘蛛沿着发现的链接一直向前爬行，直到前面再也没有其他链接，正所谓不撞南墙；然后返回到第一个页面，沿着另一个链接再一直往下爬行。

如图1所示，蜘蛛跟踪链接，从A页面爬行到Al，A2, A3，A4,到A4页面后， 己经没有其他链接可以跟踪就返回A页面，顺着页面上的另一个链接，爬行到Bl，B2, B3, B4。在深度优先策略中，蜘蛛一直爬到这个链接的尽头，在返回到起点，爬向另一条链接。
广度优先是指蜘蛛在一个页面上发现多个链接时，不是顺着一个链接一直向前，而是把页面上所有第一层链接都爬一遍，然后再沿着第二层页面上发现的链接爬向第三层页面。
如图2所示，蜘蛛从A页面顺着链接爬行到Al，Bl, C1页面，直到A页面上的所 有链接都爬行完，然后再从A1页面发现的下一层链接，爬行到A2, A3, A4,……页面。

本文标题：蜘蛛爬取网站的基本方式
网页链接：/news21/81221.html

成都网站建设公司_创新互联，为您提供移动网站建设、网页设计公司、ChatGPT、网站收录、外贸网站建设、关键词优化

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联