随笔分类 - Web Crawler
摘要:1、网络爬虫原理 网络爬虫指按照一定的规则(模拟人工登录网页的方式),自动抓取网络上的程序。简单的说,就是讲你上网所看到页面上的内容获取下来,并进行存储。网络爬虫的爬行策略分为深度优先和广度优先。如下图是深度优先的一种遍历方式是A到B到D 到E 到C到 F(ABDECF)而宽度优先的遍历方式ABCD
阅读全文
摘要:网络爬虫引发的问题 网络爬虫的尺寸 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
阅读全文