爬取網(wǎng)頁時(shí)梳庆，url去重是重要一環(huán)暖途，這樣可以避免重復(fù)抓取。
1膏执、url保存在數(shù)據(jù)庫中（效率低）
2驻售、將url保存在set中，但對(duì)內(nèi)存要求高更米。若有1億網(wǎng)頁欺栗，則占用內(nèi)存為：
100000000*2byte*50個(gè)字符/1024/1024/1024=9G
3、url經(jīng)過md5等方法哈希后保存到set中（對(duì)2的改進(jìn)，可以成倍降低內(nèi)存占用）迟几。Scrapy使用的這種方法
4消请、用bitmap方法，將訪問過的url通過hash函數(shù)映射到某一位类腮。
5臊泰、bloomfilter方法對(duì)bitmap進(jìn)行改進(jìn)，多重hash函數(shù)降低沖突
Python爬蟲學(xué)習(xí)4-url去重方法
最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
- 文/潘曉璐 我一進(jìn)店門藐守，熙熙樓的掌柜王于貴愁眉苦臉地迎上來挪丢，“玉大人，你說我怎么就攤上這事吗伤〕钥浚” “怎么了？”我有些...
- 文/不壞的土叔 我叫張陵足淆，是天一觀的道長巢块。 經(jīng)常有香客問我，道長巧号，這世上最難降的妖魔是什么族奢？ 我笑而不...
- 正文 為了忘掉前任，我火速辦了婚禮丹鸿，結(jié)果婚禮上越走，老公的妹妹穿的比我還像新娘。我一直安慰自己靠欢，他們只是感情好廊敌，可當(dāng)我...
- 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著门怪，像睡著了一般骡澈。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上掷空，一...
- 文/蒼蘭香墨 我猛地睜開眼驱入，長吁一口氣：“原來是場(chǎng)噩夢(mèng)啊……” “哼！你這毒婦竟也來了修陡？” 一聲冷哼從身側(cè)響起沧侥，我...
- 序言：老撾萬榮一對(duì)情侶失蹤可霎，失蹤者是張志新（化名）和其女友劉穎魄鸦，沒想到半個(gè)月后，有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體癣朗，經(jīng)...
- 正文 獨(dú)居荒郊野嶺守林人離奇死亡拾因，尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
- 正文 我和宋清朗相戀三年，在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了旷余。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片绢记。...
- 正文 年R本政府宣布签孔，位于F島的核電站，受9級(jí)特大地震影響窘行，放射性物質(zhì)發(fā)生泄漏饥追。R本人自食惡果不足惜，卻給世界環(huán)境...
- 文/蒙蒙 一罐盔、第九天 我趴在偏房一處隱蔽的房頂上張望但绕。 院中可真熱鬧，春花似錦惶看、人聲如沸捏顺。這莊子的主人今日做“春日...
- 文/蒼蘭香墨 我抬頭看了看天上的太陽幅骄。三九已至，卻和暖如春莹桅，著一層夾襖步出監(jiān)牢的瞬間昌执，已是汗流浹背烛亦。 一陣腳步聲響...
- 正文 我出身青樓，卻偏偏與公主長得像岖赋，于是被迫代替她去往敵國和親檬果。 傳聞我的和親對(duì)象是個(gè)殘疾皇子，可洞房花燭夜當(dāng)晚...
推薦閱讀更多精彩內(nèi)容
- 教你如何迅速秒殺掉：99%的海量數(shù)據(jù)處理面試題 本文經(jīng)過大量細(xì)致的優(yōu)化后唐断，收錄于我的新書《編程之法》第六章中选脊，新書...
- 拿了征收補(bǔ)償款的鄰居們搬走后 芙蓉區(qū)政府組建的拆遷征收指揮部 將曾經(jīng)的鄰居們的門窗拆除 鄰居的家從此門洞大開 四通...
