版權(quán)說(shuō)明:本文檔由用戶提供并上傳,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、近幾年來(lái),移動(dòng)互聯(lián)網(wǎng)的飛速發(fā)展對(duì)人們的生活方式產(chǎn)生了極大的影響。微信作為一個(gè)新興的移動(dòng)社交平臺(tái),已累計(jì)有超過(guò)6億的注冊(cè)用戶。而微信公眾平臺(tái)依托于微信的海量用戶也迅速流行起來(lái),目前已有注冊(cè)公眾號(hào)賬號(hào)超過(guò)800萬(wàn),累計(jì)發(fā)布了超過(guò)2億篇文章,對(duì)微信公眾平臺(tái)所發(fā)布的海量信息資源進(jìn)行深入研究具有重大意義。
本文基于Scrapy框架設(shè)計(jì)并實(shí)現(xiàn)了針對(duì)微信公眾平臺(tái)的分布式爬蟲(chóng)系統(tǒng),實(shí)現(xiàn)對(duì)微信公眾平臺(tái)上公眾號(hào)信息和文章信息的爬取,將爬取到的數(shù)據(jù)
2、存儲(chǔ)至單機(jī)MySQL數(shù)據(jù)庫(kù)和FastDFS分布式文件系統(tǒng)中。此后,概要說(shuō)明了基于爬取到數(shù)據(jù)的一種應(yīng)用場(chǎng)景,可為公眾號(hào)用戶提供快速建站的數(shù)據(jù)服務(wù)。
首先,對(duì)開(kāi)源網(wǎng)絡(luò)爬蟲(chóng)框架Scrapy的整體架構(gòu)、各個(gè)組件模塊和內(nèi)部運(yùn)行機(jī)制進(jìn)行深入研究。針對(duì)它目前僅支持單機(jī)爬取的不足,對(duì)其進(jìn)行擴(kuò)展,基于Redis數(shù)據(jù)庫(kù)的有序集合重新實(shí)現(xiàn)了調(diào)度器模塊,使其可以支持多爬蟲(chóng)節(jié)點(diǎn)的主從式分布式爬取。
其次,基于改進(jìn)后的Scrapy框架,通過(guò)分析
3、微信公眾平臺(tái)的網(wǎng)頁(yè)組成結(jié)構(gòu)及特性,確定了爬蟲(chóng)程序的爬取流程及策略,進(jìn)而定制開(kāi)發(fā)了系統(tǒng)的爬蟲(chóng)模塊;確定將爬取到的體積較小的字符串?dāng)?shù)據(jù)存入MySQL數(shù)據(jù)庫(kù)、將體積較大的文件數(shù)據(jù)存入FastDFS分布式文件系統(tǒng)的存儲(chǔ)原則,進(jìn)而定制開(kāi)發(fā)了系統(tǒng)的流水線模塊;通過(guò)設(shè)計(jì)一個(gè)“公眾號(hào)最近爬取時(shí)間記錄隊(duì)列”,實(shí)現(xiàn)對(duì)公眾號(hào)的增量式爬取。
再次,基于以上的設(shè)計(jì),完成具體程序代碼的編寫(xiě)及測(cè)試,對(duì)系統(tǒng)進(jìn)行部署運(yùn)行。運(yùn)行結(jié)果表明,系統(tǒng)中多個(gè)爬蟲(chóng)節(jié)點(diǎn)能夠協(xié)
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)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(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
- 分布式微信公眾平臺(tái)爬蟲(chóng)系統(tǒng)的研究與應(yīng)用.pdf
- 分布式微博信息采集平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 分布式網(wǎng)絡(luò)爬蟲(chóng)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 一種基于P2P技術(shù)的分布式微博爬蟲(chóng)系統(tǒng).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
- 分布式微博采集系統(tǒng)的設(shè)計(jì)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
- 分布式網(wǎng)絡(luò)爬蟲(chóng)的研究與實(shí)現(xiàn).pdf
- 基于Storm云平臺(tái)的分布式網(wǎng)絡(luò)爬蟲(chóng)技術(shù)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
- 基于Nutch的分布式爬蟲(chóng)研究與優(yōu)化.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
- 分布式在線圖書(shū)爬蟲(chóng)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 分布式網(wǎng)絡(luò)爬蟲(chóng)在農(nóng)產(chǎn)品搜索系統(tǒng)中的應(yīng)用與研究.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
- 分布式網(wǎng)絡(luò)爬蟲(chóng)技術(shù)研究與實(shí)現(xiàn).pdf
- 分布式微機(jī)母線保護(hù)的研究與實(shí)現(xiàn).pdf
- 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