爬虫

今天看了下别写的一共简单的爬虫工具。

大概原理就是基于的一个root url利用httpwebrequest去抓取html内容,提前其中的链接(剔除了图片、css、js等),逐一保存下来。

不过这个只适用于一些门户网站,有些网站的登录页面没有任何链接。需要登陆后才能浏览。所以权限这一块也很复杂,对于不同的网站需要不同的实现。目前来看使用工厂方法是够用了。

当然,光是做这个还是不够的。这也紧紧是一个数据采集。重点在于数据的分析算法,难度和规则也是相当多的。

后面有时间自己打算自己实现一个。在此先记录下来。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

random_2011

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值