網(wǎng)頁爬蟲的業(yè)務(wù)抽象

爬蟲動作

網(wǎng)頁爬蟲需要獲取網(wǎng)頁特定的HTML標簽內(nèi)容和內(nèi)容中的資源文件，分解下來動作有：

  1. 拿網(wǎng)頁HTML
  2. 抓標簽(通過 id、標簽名、name、class、自定義attr等條件匹配)
  3. 下載資源
流程

將文本內(nèi)容和資源內(nèi)容的獲取分離，先獲取文本，最后集中處理資源文件，在修改和實現(xiàn)UI時會方便。資源一般會用到線程下載，因為單線程會使用戶界面進入假死狀態(tài)，下載是提供進度條會是一個友好的交互選擇。

最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點，簡書系信息發(fā)布平臺，僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容