原创力文档- 1、本文档共5页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种分布式网络爬虫的设计与实现-江西师范大学学报.PDF
37 4 ( ) Vol． 37 No． 4
第 卷第 期 江西师范大学学报 自然科学版
20 13 7 Journal of Jiangxi Normal University (Natural Science) Jul． 20 13
年 月
文章编号:1000-5862 (20 13)04 -0382-05
一种分布式网络爬虫的设计与实现
*
， ， ，
杨 瑞 胡弘思 张文波 姚天昉
( ， 200240)
上海交通大学计算机科学与工程系 上海
摘要: URL ，
利用用户指定的关键字和搜索引擎生成 种子 通过分布式网络爬虫抽取符合用户需求的网
． :
页作为研究所用的语料 实验结果表明 分布式网络爬虫可以较好地解决在短时间内抽取大量语料的
需求．
关键词: ; ;
分布式系统 网络爬虫 设计
中图分类号:TP 391 文献标志码:A
， URL ，
先搜索时 过滤页面中无关的 从而提高广度
0 引言 优先算法的效率．
分布式网络爬虫实质上是多台机器上的不同网
， Spider Crawler ，
网络爬虫 英文名称为 或 是一
，
络爬虫的整合及合理调度 每个爬虫需要完成的任
种功能强大的自动提取网页的程序，
它为搜索引擎
， ，
务和单个爬虫类似 通过分布式系统的调度 使得系
， ．
从互联网上下载网页 是搜索引擎的重要组成部分
统作为一个整体有效均匀地完成爬取任务． 分布式
，
此外 它可以完全不依赖用户干预实现网络上的自
爬虫的多台机器可能分布在同一个局域网，
也可能
“ ” “ ．
动 爬行 和 搜索 网络爬虫工作过程一般是从一
．
分布在不同地理位置的不同局域网 按照分布式网
文档评论（0）