作为一名合格的seoER，我们接触的是网站，接触的是搜索引擎，既然如此，那么我们就必须对搜索引擎有一定的了解，只有这样才能做出效果。
1、种子URL
所谓种子URL所指的就是最开始选定的URL地址，大多数情况下，网站的首页、频道页等丰富性内容更多的页面会被作为种子URL;
然后将这些种子URL放入到待抓取的URL列表中;
2、待抓取URL列表
爬虫从待抓取的URL列表中逐个进行读取，读取URL的过程中，会将URL通过DNS解析，把这个URL地址转换成网站服务器的IP地址+相对路径的方式;
3、网页下载器
接下来把这个地址交给网页下载器(所谓网页下载器，顾名思义就是负责下载网页内容的一个模块;
4、源代码
对于下载到本地的网页，也就是我们网页的源代码，一方面要将这个网页存储到网页库中，另一方面会从下载网页中再次提取URL地址。
5、抽取URL
新提取出来的URL地址会先在已抓取的URL列表中进行比对，检查一下这个网页是不是被抓取了。
6、新URL存入待抓取队列
如果网页没有被抓取，就将新的URL地址放入到待抓取的URL列表的末尾，等待被抓取。
就这样循环的工作着，直到待抓取队列为空的时候，爬虫就算完成了抓取的全过程。
然后以下载的网页，就都会进入到一定的分析中，分析后进行索引，我们就能看到收录结果了。
对于真正的爬虫来说，先抓哪些页面、后抓哪些页面，以及不抓哪些页面等等都是有一定的策略的，这里讲述的是一个比较通过、普遍的爬虫抓取流程，身为SEO的我们，知道这些足以。
本文来自投稿，不代表重蔚自留地立场，如若转载，请注明出处https://www.cwhello.com/292148.html
如有侵犯您的合法权益请发邮件951076433@qq.com联系删除
