[发明专利]基于Scrapy的网站URL爬取方法在审
| 申请号： | 201911323361.9 | 申请日： | 2019-12-20 |
| 公开（公告）号： | CN111125485A | 公开（公告）日： | 2020-05-08 |
| 发明（设计）人： | 何建锋;袁莺;马昱阳 | 申请（专利权）人： | 西安交大捷普网络科技有限公司 |
| 主分类号： | G06F16/951 | 分类号： | G06F16/951;G06F16/955;G06F16/958 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 710075 陕西省*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于Scrapy的网站URL爬取方法，包括：从第一数据库读取目标URL，请求目标URL并下载其网页；从网页中提取出所有URL，并进行布隆去重；将去重后的URL同时存入第一数据库与第二数据库；从第一数据库读取同域名的URL进行去重并保存，对去重后的URL构造http请求并再次爬取。减少低效爬取占用资源，有利于提高整体效率。 | ||
| 搜索关键词： | 基于 scrapy 网站 url 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安交大捷普网络科技有限公司，未经西安交大捷普网络科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201911323361.9/，转载请声明来源钻瓜专利网。
