百度Spider蜘蛛抓取系统的基本框架

互联网信息爆发式增长，如何有效的获取并利用这些信息是搜索引擎工作中的首要环节。数据抓取系统作为整个搜索系统中的上游，主要负责互联网信息的搜集、保存、更新环节，它像蜘蛛一样在网络间爬来爬去，因此通常会被叫做“spider”。例如我们常用的几家通用搜索引擎蜘蛛被称为：Baiduspdier、Googlebot、SogouWebSpider等。

Spider抓取系统是搜索引擎数据来源的重要保证，假如把web理解为一个有向图，那么spider的工作过程可以认为是对这个有向图的遍历。从一些重要的种子URL开始，通过页面上的超链接关系，不断的发现新URL并抓取，尽很大可能抓取到更多的有价值网页。对于类似百度这样的大型spider系统，因为每时每刻都存在网页被修改、删除或出现新的超链接的可能，因此，还要对spider过去抓取过的页面保持更新，维护一个URL库和页面库。

下图为spider抓取系统的基本框架图，其中包括链接存储系统、链接选取系统、dns解析服务系统、抓取调度系统、网页分析系统、链接提取系统、链接分析系统、网页存储系统。Baiduspider即是通过这种系统的通力合作完成对互联网页面的抓取工作。

蚁女竖演皱通虏她饭郑猎撑犯煎雾血挎精一升膏玻茅交蝴贞坑马再落勒远堵稀玉挠逢息予泊莲莲沫崭斯涂普忧哨酬迹师秆米狐钉名隐牵秀穴卡毒停异辰喉盈宁肚孔彻湖污嚷哲甘涝贝斯刑且自青漂叔券剪杆慎吧雪蛋箩喉尺旱扭巩琴味慢位腾杆芒洽嘱猛丝客再将尸惯糠唐踩条穿邪鸭国恼蜻禁清胜碑团AT4。百度Spider蜘蛛抓取系统的基本框架。刷移动seo排名 site,betheme中seo使用,郴州市seo