| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究内容和方法 | 第9-10页 |
| 1.3 论文的组织结构 | 第10-12页 |
| 第二章 常规爬虫的设计与实现 | 第12-28页 |
| 2.1 网络爬虫框架设计 | 第12-16页 |
| 2.1.1 常见爬虫类型简介 | 第12-13页 |
| 2.1.2 实用爬虫需求分析 | 第13-14页 |
| 2.1.3 实用爬虫流程设计 | 第14-16页 |
| 2.2 爬虫关键模块设计 | 第16-21页 |
| 2.2.1 信息提取模块 | 第16-18页 |
| 2.2.2 数据存储模块 | 第18-21页 |
| 2.3 网站反爬问题的对应策略及解决方法 | 第21-26页 |
| 2.3.1 使用代理进行反爬 | 第21-22页 |
| 2.3.2 模拟登录 | 第22-24页 |
| 2.3.3 降低访问频率 | 第24-25页 |
| 2.3.4 其他反爬策略 | 第25-26页 |
| 2.4 常见爬虫的运行问题分析 | 第26-28页 |
| 第三章 分布式爬虫的设计与实现 | 第28-43页 |
| 3.1 分布式爬虫框架简介 | 第28-30页 |
| 3.1.1 分布式爬虫简介 | 第28页 |
| 3.1.2 分布式爬虫框架PySpider简介 | 第28-30页 |
| 3.2 分布式爬虫部署 | 第30-35页 |
| 3.2.1 在Linux服务器的单机部署 | 第30-33页 |
| 3.2.2 在Linux服务器上的分布式部署 | 第33-35页 |
| 3.3 基于分布式爬虫框架的汽车网站分布式爬虫实现 | 第35-41页 |
| 3.3.1 汽车之家爬虫需求分析 | 第35-36页 |
| 3.3.2 PySpider的Web页面简介 | 第36-37页 |
| 3.3.3 汽车口碑分布式爬虫的设计与实现 | 第37-41页 |
| 3.4 分布式爬虫框架PySpider运行问题分析 | 第41-43页 |
| 第四章 分布式爬虫的效率改进及实现 | 第43-57页 |
| 4.1 分布式爬虫的改进方向 | 第43-45页 |
| 4.1.1 爬虫效率改进需求分析 | 第43-44页 |
| 4.1.2 使用Docker改进爬虫效率 | 第44-45页 |
| 4.2 基于Docker的分布式爬虫改进 | 第45-50页 |
| 4.2.1 服务器部署Docker | 第45-46页 |
| 4.2.2 基于Docker构建单机PySpider镜像 | 第46-48页 |
| 4.2.3 使用单机镜像多机部署分布式爬虫 | 第48-50页 |
| 4.3 改进效率及分析对比 | 第50-57页 |
| 4.3.1 实验环境以及爬取任务 | 第50-51页 |
| 4.3.2 结果分析对比 | 第51-57页 |
| 第五章 针对动态网络数据的分布式增量爬虫设计与实现 | 第57-67页 |
| 5.1 增量爬虫简介 | 第57页 |
| 5.2 分布式爬虫框架PySpider增量实现 | 第57-61页 |
| 5.2.1 常规增量爬虫策略 | 第57-59页 |
| 5.2.2 PySpider增量策略 | 第59-61页 |
| 5.3 基于PySpider的汽车口碑分布式增量爬虫设计与实现 | 第61-66页 |
| 5.3.1 汽车口碑的增量需求分析 | 第61-62页 |
| 5.3.2 基于PySpider的汽车口碑分布式增量爬虫实现 | 第62-66页 |
| 5.4 分布式增量爬虫的运行问题 | 第66-67页 |
| 第六章 总结和展望 | 第67-69页 |
| 6.1 本论文的工作总结 | 第67页 |
| 6.2 进一步的研究工作 | 第67-68页 |
| 6.3 本章小结 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 致谢 | 第71页 |
