

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、在這個互聯網時代,電子化的產品已經深入到生活的方方面面,各種紙質的圖書也同時被各種格式的電子書所取代。只需下載到手機或者其他移動終端里,即可進行閱讀。但是在眾多的圖書之中如何進行選擇,如何大規(guī)模獲取圖書資源,一個圖書爬蟲就顯得非常重要。本文設計和實現分布式在線圖書爬蟲系統(tǒng),采用了Scarpy架構,并通過Redis作為URL緩存隊列進行分布式擴展,使爬蟲的效率大大的提升,對Redis進行高可用配置,提升系統(tǒng)高可用性,并能夠完成增量爬取,保
2、證對于圖書的更新能夠第一時間掌握。
本研究主要內容包括:⑴調度器模塊,包括URL調度,URL去重等功能,主要實現了對URL按照安全哈希算法進行去重和按照URL的優(yōu)先級進行爬取,并通過Redis實現了爬蟲的分布式。⑵URL爬取模塊,通過分配給它的URL,下載對應的頁面,并對這個頁面進行解析,對于提取到的URL,繼續(xù)發(fā)送給URL緩存隊列,并把頁面里面的圖片、文件、圖書詳細信息等各種要爬取的信息發(fā)送給流水線進行下一步處理。⑶流水線模
3、塊,對于URL爬取模塊傳遞給它的信息進行規(guī)范化,通過不同的流水線進行存儲,把圖片、文件、圖書詳細信息這些數據傳到不同的存儲單元中去。⑷監(jiān)控模塊,對每個爬蟲的狀態(tài)進行監(jiān)控,監(jiān)控每個爬蟲所爬取的URL數量,爬蟲的運行情況,爬蟲運行了多長時間,并監(jiān)控每個爬蟲所在設備的狀態(tài)。⑸通過功能驗證表明新的Scrapy爬蟲系統(tǒng)滿足分布式圖書爬蟲系統(tǒng)的要求,能夠對分布式圖書網站進行有效的爬取,現在項目還是在測試階段,下一階段會對圖書內容和圖書的插圖等信息進
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 分布式網絡爬蟲系統(tǒng)的設計與實現.pdf
- 分布式視頻搜索爬蟲系統(tǒng)的設計與實現.pdf
- 分布式書籍網絡爬蟲系統(tǒng)的設計與實現.pdf
- 分布式聚焦網絡爬蟲系統(tǒng)的設計與實現.pdf
- 基于Groovy的分布式網絡爬蟲系統(tǒng)的設計與實現.pdf
- 分布式主題網絡爬蟲的設計與實現.pdf
- 基于Hadoop的分布式網絡爬蟲系統(tǒng)的設計與實現.pdf
- 基于分布式的網絡爬蟲系統(tǒng)的研究與實現.pdf
- 分布式網絡爬蟲的研究與實現.pdf
- 支持AJAX的分布式爬蟲系統(tǒng)的研究與實現.pdf
- 分布式網絡爬蟲技術的研究與實現.pdf
- 分布式網絡爬蟲的設計與實現——分布式算法研究和系統(tǒng)架構設計---畢業(yè)論文
- 面向IT的分布式主題爬蟲的設計及實現.pdf
- 分布式網絡爬蟲技術研究與實現.pdf
- 在線圖書銷售系統(tǒng)的設計與實現.pdf
- 支持動態(tài)網頁解析的分布式網絡爬蟲系統(tǒng)的設計與實現.pdf
- 在線圖書商城系統(tǒng)的設計與實現.pdf
- 13756.一種分布式聚焦型爬蟲系統(tǒng)的設計與實現
- 基于hadoop的分布式網絡爬蟲研究與實現.pdf
- 在線圖書銷售系統(tǒng)的設計與實現(1)
評論
0/150
提交評論