1
条回答
写回答
写回答
-
通常包含四个模块： 1）保存种子URL和待抓取的URL的数据结构。 2）保存已经抓取的URL数据结构，防止重复抓取。 3）页面抓取模块。 4）对已经抓去的页面内容的各个部分进行抽取的模块。
2020-04-05 14:51:18赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
