文件名称:
Distributed-crawler:分布式爬虫系统-源码
开发工具:
文件大小: 3mb
下载次数: 0
上传时间: 2021-03-11
详细说明：分布式搜寻器
项目简介
爬虫系统，是对海量的分散的互联网数据进行采集的系统，是搜索引擎系统的基础。应大数据的需求，分布式爬虫系统是解决传统爬虫出现的无法对网页数据信息的归类和组织的问题。分布式爬虫，对同一个网站的同类数据，进行结构化。同时，能利用分布式的软件设计方法，实现爬虫的高效采集。
需求分析
分布式爬虫---通过分布式调度，提高整体效率，同时保证高可用性，具有一定的容错性，具有自动恢复，备份的功能。
自动结构化---对于具有相同模板的URL集合，能够自动提取数据。对于包含正文的网页，能够提取正文。
监控系统---图形化的用户界面，方便用户操作，并且对程序运行中的该数据进行实时监控和展示。
反爬策略---针对不同网站的反爬虫机制，制定了爬虫策略。
开发环境
开发工具：Eclipse / PyCharm
操作系统：Linux（Fedora 26）
编程语言：Python 2.7
总体设计
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
