本软件工作原理是从一个初始网址中,查找外部网站,比如初始页面中有30个外部网站,那就继续爬取这30个外本网站,
可以正常访问的就收录进数据库,并且在这30个网站中再次查找外部网站如果每个站有30个外部网站,那就是30*30=900个
然后再访问这900个网站剔除无法访问的,找到正常访问的剔除重复加入数据库,然后再查找他们页面中的外部网站,如需往复
形成裂变式蜘蛛网!
当然这里边需要处理很多事情,比如爬行记录的去重、多线程之间的干扰、等等问题
采集域名:
导出域名:
历时一个月终于开发调试出抢答稳定的2.0版本。更好的利用了现代多核CPU的性能
历史版本性能:
第一版跑出10分钟1W+的网址数,已经非常强悍了
2.5版10分钟跑出2.8万个,注意这都是去重复后的网址哦,而且都是顶级域名
3.0版10分钟采集13万+个网站
3.2版 采集21万用时9分钟
每一次升级都是质的飞越,购买过的朋友快来下载最新版吧!
二级域名不算我们不采集没有用
具体的性能看你自己的电脑配置了,各位可以根据自己电脑配置适当调整线程数
这个5年前就买的最低配的货,也该淘汰了工欲善其事必先利其器 这个道理是对的
随便输入一个你想要的关键词就可以开始采集了
这一版基本是最终形态, 估计不会有什么大的变动, 大家可以关注一下更新日志,如果有改动会在下方日志里列出!
具体的软件使用操作,大家可以看一下演示视频!
建议不要过于追求太大的线程数量,这个要根据你的网络带宽来调整,线程数过大同时访问的站也就越多,那就可能其中有部分网站打不开,因为你的宽带不够了
3.9.5 修复导出域名时可能与限制域名后缀不符的域...
更新于:2021-08-29
修复导出域名时可能与限制域名后缀不符的域名出现
增强软件稳定性
去除采集时内容筛选,会造成软件未响应,后期会通过其他方式实现
采集入口合并到一起以http或者https开头的视为网址,其他视为关键词
其他微调
修复线程问题