NEWS

当前位置:首页 > 锐美资讯 > 行业新闻

网络爬虫是什么?

发布者:ruimei88    时间:2016-08-09 21:47:45    人气:

  网络爬虫行业上叫做“抓取蜘蛛”,是一种抓取网页信息的程序。这种程序大多用于搜索引擎捕捉互联网信息,也可以被用于抓取某些网站的指定内容。我们一般认为网络爬虫就是搜索引擎用于捕捉网络信息的抓取程序。

网络爬虫是什么

  网络爬虫根据搜索引擎需要,会对其功能做划分,有专门抓取网页的,也有专门抓取图片的,有专门抓取手机站点信息的。国内常见的网络爬虫主要有


  一、百度蜘蛛


  百度蜘蛛最新名称为Baiduspider,日志中还发现了Baiduspider-image这个百度旗下蜘蛛,我们直接看名字就可以知道它是干嘛的,是专门用以抓取图片的蜘蛛。常见百度旗下同类型蜘蛛还有下面这些:Baiduspider-mobile(抓取wap)、Baiduspider-video(抓取视频)、Baiduspider-news(抓取新闻)。


  备注:以上百度蜘蛛目前最为常见的是,Baiduspider和Baiduspider-image这两种。


  二、谷歌蜘蛛


  这个争议较少,但也有说是Googlebot的。谷歌蜘蛛最新名称为“compatible; Googlebot/2.1;”,除此还发现了Googlebot-Mobile,看名字显然是抓取wap内容的。


  三、360蜘蛛


  360Spider,它是一个很“勤奋抓爬”的蜘蛛。


  四、搜狗蜘蛛


  其名称为,Sogou News Spider。


  搜狗蜘蛛还包括如下这些:Sogou web spider、Sogou inst spider、Sogou spider2、Sogou blog、Sogou News Spider、Sogou Orion spider(参考一些网站的robots文件,搜狗蜘蛛名称可以用Sogou来简单概括)。看看最权威的百度的robots.txt ,http://www.baidu.com/robots.txt就为搜狗蜘蛛费了不少字节,占了一大块地方。


  “Sogou web spider;Sogou inst spider;Sogou spider2;Sogou blog;Sogou News Spider;Sogou Orion spider”目前主要有这么6个,名称都带空格。线上常见Sogou web spider/4.0、Sogou News Spider/4.0、Sogou inst spider/4.0″,可以为它颁个“占名为王”奖。


  五、SOSO蜘蛛


  Sosospider,我们也可以为它颁发一个“勤奋抓爬”奖的蜘蛛。


  六、雅虎蜘蛛


  “Yahoo! Slurp China”或者Yahoo,名称中带“Slurp”和空格。


  七、有道蜘蛛


  YoudaoBot或者YodaoBot,两个名字都有,中文拼音少了个u字母令读音差别变得很大,这都会少?


  八、MSN蜘蛛


  msnbot-media,只见到msnbot-media在疯狂地爬呀爬个不停。


  九、必应蜘蛛


  其名称为,bingbot。


  十、一搜蜘蛛


  其名称为,YisouSpider。


  十一、Alexa蜘蛛


  其名称为,ia_archiver。


  十二、宜搜蜘蛛


  其名称为,EasouSpider。


  十三、即刻蜘蛛


  其名称为,JikeSpider。


  十四、一淘网蜘蛛


  其名称为EtaoSpider。


  网络爬虫的工作原理是,技术人员根据抓取需要编写爬虫程序,然后将爬虫赋予给指定网页,根据指定网页的各种站外链接传播到整个网络,其爬行路径往往复复,构成像一个网的爬行路径,因此俗称蜘蛛。


  网络爬虫每放问一个新站点首先会访问robots.txt文件和sitemap文件。robots.txt文件一般是网站技术人员用于限制网络爬虫抓取网页的协议文件,告知网络爬虫那些文件可以抓取,网络爬虫可遵循也可以不遵循。Sitemap文件即网站地图文件,告知网络爬虫网站的各种文件存放的路径,如果网站存在这两个文件网络爬虫的抓取速度会更快。


  当网络爬虫发现新内容,并根据基础要求识别网页内容,如果符合,网络爬虫就会将网站内容整体带回网页服务器,我们将这个过程叫做收录。因此,企业网站在服务器访问日志中发现大量蜘蛛的抓取记录是,这说明网站的站点质量还是比较优秀。不过从收录到快照放出还要经过过滤及排序计算,再次不在赘述。


  对于企业来讲做好企业网站,优化网站高质量内容更为重要,制作符合网络爬虫需求的内容,让网络爬虫尽可能的抓取网站内容,争取在网页中出现免费排名,节约网络营销成本,这才是企业应该做的。


  本文由锐美网络成都网站建设公司原创(https://www.ruimei8.com/News/industry/127.html),未经允许,禁止转载。



上一条: 企业应当熟悉的3种长尾关键词形式! 下一条: 网站设计制作费用详解,网站设计制作费用2018最新报价
版权所有:成都锐美云商网络科技有限公司 侵权必究 川公网安备 51010402000103号 蜀ICP备16009388号-2

锐美网络!专注成都网站建设,提供企业网络营销解决方案