目录
非完全PageRank策略(争议很大,未必比宽度优先好.故而了解即可)
OCIP策略(Online Page Importance Computation)
抓取策略
最简单的一种:按照队列顺序,当前下载网页的URL地址加入到队列的尾部,以此类推.但是这样做往往不太理想,我们的目标是优先抓取最重要的网页.下面介绍四种比较好的解决策略:宽度优先遍历策略,非完全PageRank策略,OCIP策略,大站优先策略
1)宽度优先遍历策略
2)非完全PageRank策略
3)OCIP策略
4)大站优先策略
宽度优先策略
这种策略是一种非常强悍的策略,很多开发者一般采用这种策略.这种策略隐含了一些链接优先级的假设:先出现的链接往往就是最重要的链接.