会员
众包
新闻
博问
闪存
赞助商
HarmonyOS
Chat2DB
所有博客
当前博客
我的博客
我的园子
账号设置
会员中心
简洁模式
...
退出登录
注册
登录
人生苦短use,what?
博客园
首页
博问
闪存
新随笔
订阅
管理
2018年11月1日
爬虫去重策略
摘要: 1,将所有访问过的url保存在数据库中 2,将访问过的url保存在内存中,只需要o(1)代价就可以查询url 1000000000*2byte*50个字符/1024/1024/1024≈9G 3,url经过md5等方法哈希后保存到内存中 (scrapy用的方法) 4,用bitmap方法,将访问过的u
阅读全文
posted @ 2018-11-01 23:46 人生苦短use,what?
阅读(109)
评论(0)
推荐(0)