浅析百度Sprider的分类及抓取方式

　　按照现在网络上所有的Sprider的作用及表现出来的特征，可以将其分为三大类：批量型Sprider、增量型Sprider和垂直型Sprider。

　　1.批量型Sprider

　　一般具有明显的抓取范围和目标，设置抓取时间的限制，抓取数据量的限制，或抓取固定范围内的页面限制等。当Sprider达到预先设置的作业目标工作 就会停止，普通站长和seo人员用的采集工具或程序，所派出的sprider大都属于批量型sprider，一般只抓取固定网站的固定内容，或者设置对某 一资源的固定目标数据量，当抓取的数据或时间达到设置限制后就会自定停止，这种sprider就是很典型的批量型sprider。

　　2，增量型Sprider

　　增量型Sprider也可以称之为通用爬虫。一般可以称为搜索引擎的网站或程序，使用的都是增量型sprider，但是站内搜索引擎除外，自由站内搜 索引擎一般是不需要sprider的。增量型sprider和批量型sprider不同，没有固定目标、范围和时间限制，一般是会无休止的抓取下去，直到 把全网的数据抓完为止。增量型sprider不仅仅抓取尽可能全的页面，还要对已经抓取到的页面进行相应的再次抓取和更新，因为整个互联网是在不断变化 的，单个网页上的内容可能会随着时间的变化不断更新，甚至在一段时间之后该页面会被删除，优秀的增量型蜘蛛需要及时发现这种变化，并反映给搜索引擎后续的 处理系统，对该网页进行重新处理。当下百度，google网页搜索等全文搜索引擎的sprider，一般都是增量型sprider。

　　3，垂直型Sprider

　　垂直型蜘蛛也可以称之为聚焦爬虫，只对特定主题、特定内容或特定行业的网页进行抓取，一般都会聚焦在某一个限制范围内进行增量型的抓取。对此类型的 sprider不像增量型sprider一样追求大而广的覆盖面，而是在增量型sprider上增加一个抓取网页的限制，根据需求抓取含有目标内容的网 页，不符合要求的网页会直接被放弃抓取。对于网页级别纯文本内容方面的识别，现在的搜索引擎sprider还不能百分之百地进行准确分类，并且垂直型 sprider也不能像增量型sprider那样进行全互联网爬取，因为那样太浪费资源。所以现在的垂直搜索引擎如果有附属的增量型sprider，那么 就会利用增量型sprider以站点为单位进行内容分类，然后再排出垂直型sprider抓取复合自己内容要求的站点;没有增量型sprider作为基础 的垂直搜索引擎，一般会采用人工添加抓取站点的方式来引导垂直型sprider作业。

　　总结：Sprider也就是大家常说的爬虫、蜘蛛或机器人，是处于整个搜索引擎最上游的一个模块，只有sprider抓回的页面或URL才会被索引参 与排名。需要注意的是，只要是Sprider抓取到的URL，都可能会参与排名，但参与排名的网页并不一定就被Sprider抓取到了内容，比如淘宝，天 猫那些robots屏蔽的网站。
    文章由作文无忧（http://www.zuowenwuyou.com/）原创投稿，转载请注明出处。