从广度优化抓取策略研究搜索引擎蜘蛛爬行规则
搜索引擎处理大量的网页。一方面，为了节省带宽、计算和存储资源，另一方面，为了满足用户的搜索需求，使用有限的资源来捕获有价值的网页，因此搜索引擎在处理大量网页时会有一定的策略。本文简要介绍了网络爬行的主要策略，如广度优先、深度遍历策略、非重复爬行策略、大站点优先策略、不完全pagerank策略、OCIP策略、协同爬行策略。 深度优先，深度优先的遍历策略；广度优先的原因是重要的网页往往接近种子网站；万维网的深度没有我们预期的那么深，而是出乎意料的深（中国万维网只有17个直径和长度...