蜗牛哒哒

今日头条搜索spider介绍

作者: 蜗牛哒哒 发布时间: 2020-12-21 348 人阅读

头条搜索的爬虫UA为“Bytespider”首写字母为大写。每个独立的搜索引擎都有自己的网页抓取程序爬虫(Spider)。爬虫顺着网页中的超链接,从这个网站爬到另一个网站,通过超链接分析连续访问抓取更多网页。被抓取的网页被称之为网页快照!

今日头条搜索spider介绍

一、头条搜索UA介绍

头条搜索的爬虫UA为“Bytespider”首写字母为大写。

例如:

例如:    Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML,like Gecko)Chrome/41.0.6633.1032 Mobile Safari/537.36;    Bytespider;bytespider@bytedance.com

二、头条搜索ip字段介绍

头条搜索的ip字段总共涉及6个,具体字段如下:

110.249.201.0/24    110.249.202.0/24    111.225.148.0/24    111.225.149.0/24    220.243.135.0/24    220.243.136.0/24

三、基本流程

1.抓取网页。

每个独立的搜索引擎都有自己的网页抓取程序爬虫(Spider)。爬虫顺着网页中的超链接,从这个网站爬到另一个网站,通过超链接分析连续访问抓取更多网页。被抓取的网页被称之为网页快照。由于互联网中超链接的应用很普遍,理论上,从一定范围的网页出发,就能搜集到绝大多数的网页。

2.处理网页。

搜索引擎抓到网页后,还要做大量的预处理工作,才能提供检索服务。其中,最重要的就是提取关键词,建立索引库和索引。其他还包括去除重复网页、分词(中文)、判断网页类型、分析超链接、计算网页的重要度/丰富度等。

3.提供检索服务。

用户输入关键词进行检索,搜索引擎从索引数据库中找到匹配该关键词的网页;为了用户便于判断,除了网页标题和URL外,还会提供一段来自网页的摘要以及其他信息。

四、问题反馈

1.如果您的网站发现有头条spider的UA“Bytespider”抓取存在抓取量过大,导致您的网站出现缓慢、挂掉等问题,您可以通过“抓取频次”功能,对网站进行设置抓取要求,我们会在1天内时间内生效。

2.关于spider有其他问题,可以向zhanzhang@bytedance.com提交反馈,我们会在及时处理。

1. 本站所有资源来源于用户上传和网络,如有侵权请邮件联系站长!
2.本站所有资源不保证完整性,仅供参考学习!
3. 分享目的仅供大家学习和交流,您必须在下载后24小时内删除!
4. 不得使用于非法商业用途,不得违反国家法律。否则后果自负!
5. 本站提供的源码、模板、插件等等其他资源,都不包含技术服务请大家谅解!
6. 如有链接无法下载、失效或广告,请联系管理员处理!
7. 本站资源售价只是赞助,收取费用仅维持本站的日常运营所需!
8. 如遇到加密压缩包,默认解压密码为"woniudada",如遇到无法解压的请联系管理员处理!
蜗牛哒哒 » 今日头条搜索spider介绍