联系电话 0755-8358 5881 / 13510790728

公司地址:深圳市龙华区龙华大道卫东龙商务大厦B座6层


如果您有合作的意愿,立即联系我们。让我们探讨更多的可能。

直接反馈留言

spider抓取过程中涉及的网络协议

发布日期:2021-03-01  点击:703
搜索引擎与资源提供者之间存在相互依赖的关系,其中搜索引擎需要站长为其提供资源,否则搜索引擎就无法满足用户检索需求;而站长需要通过搜索引擎将自己的 内容推广出去获取更多的受众。spider抓取系统直接涉及互联网资源提供者的利益,为了使搜素引擎与站长能够达到双赢,在抓取过程中双方必须遵守一定的 规范,以便于双方的数据处理及对接。这种过程中遵守的规范也就是日常中我们所说的一些网络协议。以下简单列举:
http协议:超文本传输协议,是互联网上应用最为广泛的一种网络协议,客户端和服务器端请求和应答的标准。客户端一般情况是指终端用户,服务器端即指网 站。终端用户通过浏览器、蜘蛛等向服务器指定端口发送http请求。发送http请求会返回对应的httpheader信息,可以看到包括是否成功、服务 器类型、网页最近更新时间等内容。
https协议:实际是加密版http,一种更加安全的数据传输协议。
UA属性:UA即user-agent,是http协议中的一个属性,代表了终端的身份,向服务器端表明我是谁来干嘛,进而服务器端可以根据不同的身份来做出不同的反馈结果。
robots协议:robots.txt是搜索引擎访问一个网站时要访问的第一个文件,用以来确定哪些是被允许抓取的哪些是被禁止抓取的。 robots.txt必须放在网站根目录下,且文件名要小写。百度严格按照robots协议执行,另外,同样支持网页内容中添加的名为robots的meta标 签,index、follow、nofollow等指令。

期待与您的沟通

一个需求是我们了解您的开始,更是我们建立合作的开端。别犹豫,开始填写吧!
联系我们
商务微信
商务QQ
电话咨询
客服QQ

联系我们

0755-8358 5881 / 13510790728

深圳市龙华区龙华大道卫东龙商务大厦B座6层
一个需求正是我们了解您的开始,更是我们建立合作的开端。
我们收到您的沟通需求后,会安排顾问联系您。
* 必填字段
预计开始时间
您感兴趣与我们合作的项目
具体需求