蜘蛛爬行抓取的地址庫和文件存儲
2022-04-12 分類： 網(wǎng)站建設
地址庫
為了避免重復爬行和抓取網(wǎng)址，搜索引擎會建立一個地址庫，記錄已經(jīng)被發(fā)現(xiàn)還沒有抓取的頁面，以及已經(jīng)被抓取的頁面地址庫中的URL有幾個來源:
(1)人工錄入的種子網(wǎng)站。
(2)蜘蛛抓取頁面后，從HTML中解析出新的鏈接URL與地址庫中的數(shù)據(jù)進行對比，如果是地址庫中沒有的網(wǎng)址，就存入待訪問地址庫。
(3)站長通過搜索引擎網(wǎng)頁提交表格提交進來的網(wǎng)址。
蜘蛛按重要性從待訪問地址庫中提取URL，訪問并抓取頁面，然后把這個URL，從待訪問地址庫中刪除，放進已訪問地址庫中。
大部分主流搜索引擎都提供一個表格，讓站長提交網(wǎng)址。不過這些提交來的網(wǎng)址都只是存入地址庫而已，是否收錄還要看頁面重要性如何。搜索引擎所收錄的絕大部分頁面是蜘蛛自己跟蹤鏈接得到的。可以說提交頁面基本上是毫無用處的，搜索引擎更喜歡自己沿著鏈接發(fā)現(xiàn)新頁面。
文件存儲
搜索引擎蜘蛛抓取的數(shù)據(jù)存入原始頁面蕪湖網(wǎng)站設計數(shù)據(jù)庫。其中的頁面數(shù)據(jù)與用戶瀏覽器得到的HTML是完全一樣的，每個URL都有一個獨特的文件編號 。
為了避免重復爬行和抓取網(wǎng)址，搜索引擎會建立一個地址庫，記錄已經(jīng)被發(fā)現(xiàn)還沒有抓取的頁面，以及已經(jīng)被抓取的頁面地址庫中的URL有幾個來源:
(1)人工錄入的種子網(wǎng)站。
(2)蜘蛛抓取頁面后，從HTML中解析出新的鏈接URL與地址庫中的數(shù)據(jù)進行對比，如果是地址庫中沒有的網(wǎng)址，就存入待訪問地址庫。
(3)站長通過搜索引擎網(wǎng)頁提交表格提交進來的網(wǎng)址。
蜘蛛按重要性從待訪問地址庫中提取URL，訪問并抓取頁面，然后把這個URL，從待訪問地址庫中刪除，放進已訪問地址庫中。
大部分主流搜索引擎都提供一個表格，讓站長提交網(wǎng)址。不過這些提交來的網(wǎng)址都只是存入地址庫而已，是否收錄還要看頁面重要性如何。搜索引擎所收錄的絕大部分頁面是蜘蛛自己跟蹤鏈接得到的。可以說提交頁面基本上是毫無用處的，搜索引擎更喜歡自己沿著鏈接發(fā)現(xiàn)新頁面。
文件存儲
搜索引擎蜘蛛抓取的數(shù)據(jù)存入原始頁面蕪湖網(wǎng)站設計數(shù)據(jù)庫。其中的頁面數(shù)據(jù)與用戶瀏覽器得到的HTML是完全一樣的，每個URL都有一個獨特的文件編號 。
分享標題：蜘蛛爬行抓取的地址庫和文件存儲
鏈接URL：http://www.js-pz168.com/news25/145525.html
成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)頁設計公司、微信小程序、虛擬主機、網(wǎng)站設計、Google、標簽優(yōu)化
聲明：本網(wǎng)站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經(jīng)允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)
猜你還喜歡下面的內容
- 改善網(wǎng)絡營銷推廣方案——推廣概況 2022-04-12
- 做好百度優(yōu)化，除外鏈建設之外，如何在內部網(wǎng)站上面下功夫？ 2022-04-12
- 新聞動態(tài)企業(yè)網(wǎng)站文化價值內容 2022-04-11
- 【SEO優(yōu)化】為什么要和高質量網(wǎng)站交換友情鏈接?都有哪些好處? 2022-04-11
- 網(wǎng)站用戶界面測試項目 2022-04-12
- 網(wǎng)站降權到底有那些原因？ 2022-04-11
- 【網(wǎng)絡推廣】巧妙分析競爭對手網(wǎng)絡推廣手法實現(xiàn)超越 2022-04-11
- 【SEO優(yōu)化】description是什么意思?description對優(yōu)化有什么幫助? 2022-04-11
- 網(wǎng)站SEO如何布置長尾關鍵詞？ 2022-04-11
- 什么樣的企業(yè)網(wǎng)站更能吸引客戶？ 2022-04-11
- 行業(yè)動態(tài)攝影圖片的具體應用 2022-04-11
- 搜索引擎抓取策略類型 2022-04-11
- 網(wǎng)站怎樣防止構成關鍵詞堆砌 2022-04-11
- 龍華營銷型網(wǎng)站應該具備哪些功能呢？ 2022-04-11
- 新聞動態(tài)缺乏復合型電商人才 2022-04-10
- 老生長談之高質量關鍵詞選擇和提高排名的方法 2022-04-10
- 【SEO優(yōu)化】搜索引擎判斷優(yōu)質網(wǎng)站內容的標準是什么? 2022-04-10
- 律師網(wǎng)站制作包括哪些欄目及怎么做一個成功的律師網(wǎng)站 2022-04-10
- 新聞動態(tài)交互式技術與用戶情感需求 2022-04-10