最近想搞一个项目。
抓一个 1000W 数据的站点。
前期考虑分批抓取。 这时候就有问题了。
有时候可能会碰到抓取链接重复的问题。
我现在想知道的是。 如何再抓取链接的部分就把重复链接进行放弃呢?
我看了很多方案都是抓取到最后的时候进行排除。
这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。
V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。
V2EX is a community of developers, designers and creative people.