版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、在這個(gè)互聯(lián)網(wǎng)時(shí)代,電子化的產(chǎn)品已經(jīng)深入到生活的方方面面,各種紙質(zhì)的圖書(shū)也同時(shí)被各種格式的電子書(shū)所取代。只需下載到手機(jī)或者其他移動(dòng)終端里,即可進(jìn)行閱讀。但是在眾多的圖書(shū)之中如何進(jìn)行選擇,如何大規(guī)模獲取圖書(shū)資源,一個(gè)圖書(shū)爬蟲(chóng)就顯得非常重要。本文設(shè)計(jì)和實(shí)現(xiàn)分布式在線(xiàn)圖書(shū)爬蟲(chóng)系統(tǒng),采用了Scarpy架構(gòu),并通過(guò)Redis作為URL緩存隊(duì)列進(jìn)行分布式擴(kuò)展,使爬蟲(chóng)的效率大大的提升,對(duì)Redis進(jìn)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(duì)于圖書(shū)的更新能夠第一時(shí)間掌握。
本研究主要內(nèi)容包括:⑴調(diào)度器模塊,包括URL調(diào)度,URL去重等功能,主要實(shí)現(xiàn)了對(duì)URL按照安全哈希算法進(jìn)行去重和按照URL的優(yōu)先級(jí)進(jìn)行爬取,并通過(guò)Redis實(shí)現(xiàn)了爬蟲(chóng)的分布式。⑵URL爬取模塊,通過(guò)分配給它的URL,下載對(duì)應(yīng)的頁(yè)面,并對(duì)這個(gè)頁(yè)面進(jìn)行解析,對(duì)于提取到的URL,繼續(xù)發(fā)送給URL緩存隊(duì)列,并把頁(yè)面里面的圖片、文件、圖書(shū)詳細(xì)信息等各種要爬取的信息發(fā)送給流水線(xiàn)進(jìn)行下一步處理。⑶流水線(xiàn)模
3、塊,對(duì)于URL爬取模塊傳遞給它的信息進(jìn)行規(guī)范化,通過(guò)不同的流水線(xiàn)進(jìn)行存儲(chǔ),把圖片、文件、圖書(shū)詳細(xì)信息這些數(shù)據(jù)傳到不同的存儲(chǔ)單元中去。⑷監(jiān)控模塊,對(duì)每個(gè)爬蟲(chóng)的狀態(tài)進(jìn)行監(jiān)控,監(jiān)控每個(gè)爬蟲(chóng)所爬取的URL數(shù)量,爬蟲(chóng)的運(yùn)行情況,爬蟲(chóng)運(yùn)行了多長(zhǎng)時(shí)間,并監(jiān)控每個(gè)爬蟲(chóng)所在設(shè)備的狀態(tài)。⑸通過(guò)功能驗(yàn)證表明新的Scrapy爬蟲(chóng)系統(tǒng)滿(mǎn)足分布式圖書(shū)爬蟲(chóng)系統(tǒng)的要求,能夠?qū)Ψ植际綀D書(shū)網(wǎng)站進(jìn)行有效的爬取,現(xiàn)在項(xiàng)目還是在測(cè)試階段,下一階段會(huì)對(duì)圖書(shū)內(nèi)容和圖書(shū)的插圖等信息進(jìn)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)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(wǎng)絡(luò)爬蟲(chóng)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 分布式視頻搜索爬蟲(chóng)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 分布式書(shū)籍網(wǎng)絡(luò)爬蟲(chóng)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 分布式聚焦網(wǎng)絡(luò)爬蟲(chóng)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于Groovy的分布式網(wǎng)絡(luò)爬蟲(chóng)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 分布式主題網(wǎng)絡(luò)爬蟲(chóng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于Hadoop的分布式網(wǎng)絡(luò)爬蟲(chóng)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于分布式的網(wǎng)絡(luò)爬蟲(chóng)系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 分布式網(wǎng)絡(luò)爬蟲(chóng)的研究與實(shí)現(xiàn).pdf
- 分布式網(wǎng)絡(luò)爬蟲(chóng)技術(shù)的研究與實(shí)現(xiàn).pdf
- 支持AJAX的分布式爬蟲(chóng)系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 分布式網(wǎng)絡(luò)爬蟲(chóng)的設(shè)計(jì)與實(shí)現(xiàn)——分布式算法研究和系統(tǒng)架構(gòu)設(shè)計(jì)---畢業(yè)論文
- 面向IT的分布式主題爬蟲(chóng)的設(shè)計(jì)及實(shí)現(xiàn).pdf
- 在線(xiàn)圖書(shū)銷(xiāo)售系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 分布式網(wǎng)絡(luò)爬蟲(chóng)技術(shù)研究與實(shí)現(xiàn).pdf
- 支持動(dòng)態(tài)網(wǎng)頁(yè)解析的分布式網(wǎng)絡(luò)爬蟲(chóng)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 在線(xiàn)圖書(shū)商城系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 13756.一種分布式聚焦型爬蟲(chóng)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
- 在線(xiàn)圖書(shū)銷(xiāo)售系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)(1)
- 基于hadoop的分布式網(wǎng)絡(luò)爬蟲(chóng)研究與實(shí)現(xiàn).pdf
評(píng)論
0/150
提交評(píng)論