刚刚完成抓取网页程序，，，分成两部分：
第一部分：仅抓取地址，，，最快一秒1200多个;
第二部分：获得页面属性，，，属性分为：title，head，去掉标记的纯内容，大小，子链接个数，重要性计算等;
第三部分：并发程序，，，增加单位时间内的获得完整链接的个数;
第四部分：程序自动运行的脚本，，，这个他们来完成了，，，首先运行抓取地址程序，，，运行一个小时，，，完成后立刻运行获得页面属性程序2个小时，，，完成后休息一个小时，，，再从头运行。
原计划是一次性就把一个网页抓完的，，，速度太慢，，，就把这个过程分成了两部分（是得到谢立超的提示），，，先抓地址，，，再根据数据库里的地址获得属性。
阅读(1624) | 评论(0) | 转发(0) |
