网络爬虫的原理是怎样的
网络爬虫是一个自动提取网页的程序,它为搜索引擎从万维网上下载网页,是搜索引擎的重要组成,传统爬虫从一个或若干初始网页的网页地址开始,获得初始网页上的网页地址,在抓取网页的过程中,不断从当前页面上抽取新的网页地址放入队列,直到满足系统的一定停止条件,聚焦爬虫的工作流程较为复杂,需要根据一定的网页分析算法过滤与主题无关的链接,保留有用的链接并将其放入等待抓取的网页地址队列,然后,它将根据一定的搜索策略从队列中选择下一步要抓取的网页地址,并重复上述过程,直到达到系统的某一条件时停止,所有被爬虫抓取的网页将会被系统存贮,进行一定的分析、过滤,并建立索引,以便之后的查询和检索。