一:网站增量式爬虫流程图
1)前提是A、B、C网站分类下历史数据已经爬去过
2)A、B、C网站下的同一网站下分类数据存储的表名有规律
二:代码实现
1)init初始化方法中添加基本的请求伪装信息
2)抓取方法
1、第一层循环判断分类下是否有数据更新
2、第二层循环判断分类下列表中数据是否都符合抓取时间,遇到不符合抓取的跳出该分类
3)文章的结构构建与img_url生成json字符串的处理
三:多网站的多进程Linux环境下定时任务执行
标签:资讯,网站,分类,抓取,爬虫,增量,数据 来源: https://blog.csdn.net/xiayong763541/article/details/95506646
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。