顶点小说

手机浏览器扫描二维码访问

第768章 爬虫（第2页）

“产品……”

王小船暗暗叹气。

单看产品，微点搜索也不如百度啊！

唯一的优势，就是微点的配套设施更多，有浏览器，有导航网，有输入法，有音乐平台等等。

周不器笑了笑，“这点信心都没有？还是说你承认技术不行？”

王小船从小就是计算机天才，在技术方面从未服过谁，摇头道：“搜索引擎的架构高度复杂，有抓取器、渲染器、DNS解析、Redis内存数据库、URL队列、种子队列、响应队列、URL提取、URL过滤、重复URL检测等等，是一个技术性很强的庞大工程。

我自认为微点的架构不比百度差，可一些技术细节，还需要时间。”

周不器笑着说：“我知道搜索技术很高端，可随着时间的推移，搜索技术就会走下神坛，变为比较大众的技术。

最根本的技术，还是大数据处理。”

在大方向的理论上，周大老板比一些专业人士还强。

王小船深以为然，“是啊，大数据的处理。

百度和谷歌的差距，微点和百度的差距，最主要的就是体现在我们在数据处理时的效率问题。

按理来说，通过爬虫技术，可以抓取到互联网上所有信息。

可相关信息太多了，数据量太大了。

怎么才能在短时间内把想要的信息抓取并展示出来，是搜索引擎最大的技术难题。”

周不器打了个响指，笑道：“巧了，我这次过来，就是想问问你爬虫的事。”

王小船有些费解。

周大老板这个技术外行，怎么还关心起技术细节来了？

就缓缓的解释道：“爬虫是搜索的基础工具，爬虫搜信息……嗯，就跟使用浏览器上网差不多，都是先向服务器发送请求，获得返回的页面，然后筛选出有价值的内容。

如果时间足够长计算量足够大，使用爬虫工具，就可以把互联网上的所有信息都搜索一遍。”

见周大老板似乎很感兴趣的样子。

王小船就拿过纸笔，很快速的写下了一行代码，“假如说我们要爬取微知网的信息，用这行代码就可以实现了。”

周不器拿过代码一看，嗯，是很简单。

headers={‘Use-Agent’:‘ChaiknowsThebot’，}

r=requests.gets（“

html=r.text

print（html）

难怪说3月份的时候，北科有两个计算机系的大学生被开除了。

这技术好像是不太难。

因为大四写论文，可用谷歌、百度、微点等搜索引擎，却搜不到别人写的相关论文。

怎么办？就有计算机系的学生，自己写了段爬虫算法。

然后成功的爬取到了几百篇相关论文。

接下来就好办了，摘抄、重组、整合。