如何掌握网络爬虫目的方法

来源：南京中公优就业IT培训机构时间：2020/7/22 11:25:22

　　如何掌握网络爬虫目的方法以下是小编为大家整理Python+人工智能知识点的内容。

　　目的

　　网络爬虫的目的，主要是提高生产力吧, Marketing Research 之类的. 还有就是之前做的外包, 是 SEO 工具, 统计数据用的.

　　网络爬虫又被称为网页蜘蛛，聚焦爬虫，网络机器人，在FOAF社区中间，更经常的称为网页追逐者，是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。另外一些不常使用的名字还有蚂蚁、自动索引、模拟程序或者蠕虫。

　　网络爬虫是一个自动提取网页的程序，它为搜索引擎从万维网上下载网页，是搜索引擎的重要组成。传统爬虫从一个或若干初始网页的URL开始，获得初始网页上的URL，在抓取网页的过程中，不断从当前页面上抽取新的URL放入队列,直到满足系统的一定停止条件。聚焦爬虫的工作流程较为复杂，需要根据一定的网页分析算法过滤与主题无关的链接，保留有用的链接并将其放入等待抓取的URL队列。然后，它将根据一定的搜索策略从队列中选择下一步要抓取的网页URL，并重复上述过程，直到达到系统的某一条件时停止。另外，所有被爬虫抓取的网页将会被系统存贮，进行一定的分析、过滤，并建立索引，以便之后的查询和检索;对于聚焦爬虫来说，这一过程所得到的分析结果还可能对以后的抓取过程给出反馈和指导。

　　引发的问题

　　网络爬虫的“性能骚扰”

　　Web服务器默认接收人类访问

　　受限于编写水平和目的，网络爬虫将会为Web服务器带来巨大的资源开销

　　网络爬虫的法律风险

　　服务器上的数据有产权归属

　　网络爬虫获取数据后牟利将带来法律风险

　　网络爬虫的隐私泄露

　　网络爬虫可能具备突破简单访问控制的能力，获得被保护数据

　　从而泄露个人隐私

　　网络爬虫引发的问题

　　性能骚扰

　　法律风险

　　隐私泄露

　　网络爬虫的限制

　　判断User‐Agent进行限制

　　检查来访HTTP协议头的User‐Agent域，只响应浏览器或友好爬虫的访问

　　Robots协议

　　告知所有爬虫网站的爬取策略，要求爬虫遵守

尊重原创文章，转载请注明出处与链接：http://www.peixun360.com/3182/news/223305/违者必究！ 以上就是南京中公优就业IT培训机构 小编为您整理 如何掌握网络爬虫目的方法的全部内容。