资源简介

1.CSpider文件夹下是我开始编写前参考的开源代码,结构比较清晰。单线程 2.任务概述是我这次写spider的过程的描述,我做这次spider的目的是完成一项课程设计。 3.整个spider的开发过程为增量式,从最开始的单页搜索url到最后的多线程spider,这在版本规划中又很明显的体现。每个版本都有自己的readme,其中详细叙述了各个版本的不同 4.由于是初学者,我在每个版本中都是边写边测试,以查找爬虫的bug,所以代码中有很多被注释的段落可能是测试使用。 5.具体版本信息查看各自的readme 另外,爬虫不止提取了url,同时提取了相应的锚文本。这个提取过程导致了爬虫速度的下降,

资源截图

代码片段和文件信息

评论

共有 条评论