分布式網(wǎng)絡(luò)爬蟲技術(shù)的研究與實(shí)現(xiàn).pdf

1、隨著Web信息的急速膨脹，各項(xiàng)和Web有關(guān)的服務(wù)也都逐漸增多，Web信息在很多方面得到了廣泛的應(yīng)用，人們對(duì)于Web信息的要求也越來越高，使得專門負(fù)責(zé)Web信息采集的網(wǎng)絡(luò)爬蟲技術(shù)面臨了一個(gè)巨大的挑戰(zhàn)。國內(nèi)外的一些大公司對(duì)這一問題已經(jīng)有了很成熟的解決方案，并已投入使用，但是這些大型搜索引擎只能給大眾用戶提供一種普通的不可制定的搜索服務(wù)，它不可能考慮到所有用戶的各式各樣的需求，而單機(jī)的網(wǎng)絡(luò)爬蟲在很多情況下又難當(dāng)重任，中型規(guī)模的網(wǎng)絡(luò)爬蟲以其靈活

2、的可定制性和單機(jī)網(wǎng)絡(luò)爬蟲無法比擬的信息采集速度和規(guī)模，滿足了人們?nèi)找嬖鲩L(zhǎng)的對(duì)Web信息的面向用戶的需求，針對(duì)這一情況，本文展開了對(duì)國內(nèi)外的網(wǎng)絡(luò)爬蟲技術(shù)的研究。
　　網(wǎng)絡(luò)爬蟲研究中最重要的是設(shè)計(jì)構(gòu)架和關(guān)鍵技術(shù)的解決。在吸取了他人技術(shù)和經(jīng)驗(yàn)的基礎(chǔ)上，本文設(shè)計(jì)描述了一個(gè)分布式網(wǎng)絡(luò)爬蟲的結(jié)構(gòu)設(shè)計(jì)，其中包括硬件的構(gòu)架，和軟件的模塊劃分。硬件部分由一臺(tái)PC機(jī)做控制節(jié)點(diǎn)，N臺(tái)PC機(jī)作爬行節(jié)點(diǎn)，在局域網(wǎng)中連接。軟件部分又分為控制節(jié)點(diǎn)軟件設(shè)計(jì)和爬行