网络爬虫的尺寸:
一般来讲,这个尺寸可以分为三类,
第一类是比较小规模的,数据量小爬取的速度不敏感,一般用的是requests库,适用于我们自己爬取网页,玩转网页,
第二类是中规模的,数据规模较大的,爬去速度敏感的scrapy库,适用于我们进行爬取网站。
第三类是大规模的,搜索引擎爬取的速度关键,这样的,一般需要定制开发
网络爬虫的限制:
1,来源审查,利用user-agent进行限制,检查来访的http协议头的user-agent域,只响应浏览器或友好爬虫的访问,但是对后期维护人员,就需要一定的技术能力的支撑。
2.发布公告:robots协议(在网站的根目录下)
告知所有的爬虫网站的爬取策略,要求爬虫们遵守。
user-agent:*
disallow:不允许爬取
网络爬虫之盗之有盗
最新推荐文章于 2022-03-19 17:31:18 发布