Java网络爬虫crawler4j学习笔记<10> HostDirectives类

源代码

package edu.uci.ics.crawler4j.robotstxt;

// 存放当前Host的robot.txt指令
public class HostDirectives {

  // If we fetched the directives for this host more than
  // 24 hours, we have to re-fetch it.
  private static final long EXPIRATION_DELAY = 24 * 60 * 1000L;

  // 不允许访问的规则
  private RuleSet disallows = new RuleSet();
  // 允许访问的规则
  private RuleSet allows = new RuleSet();

  // 获取robot指令的时间
  private long timeFetched;
  // 最后一次使用robot指令集合的时间
  private long timeLastAccessed;

  public HostDirectives() {
    timeFetched = System.currentTimeMillis();
  }

  // 如果超出指定时间限制,需要重新获取robot指令
  public boolean needsRefetch() {
    return (System.currentTimeMillis() - timeFetched > EXPIRATION_DELAY);
  }

  // 当前path是否允许访问
  public boolean allows(String path) {
    timeLastAccessed = System.currentTimeMillis();
    // disallows集合中没有或者allows集合中有,则可以访问
    return !disallows.containsPrefixOf(path) || allows.containsPrefixOf(path);
  }

  // 增加当前path到不允许访问的集合中去
  public void addDisallow(String path) {
    disallows.add(path);
  }

  // 增加当前path到允许访问的集合中去
  public void addAllow(String path) {
    allows.add(path);
  }

  // 最后一次访问时间
  public long getLastAccessTime() {
    return timeLastAccessed;
  }
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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