RSS网络爬虫的时间规则

RSS的网络爬虫的时间规则的设置：

设定RSS爬虫重新访问的５个级别：

Level[1]=20 Minutes
Level[2]=200 Minutes
Level[3]=1000 Minutes
Level[4]=2000 Minutes
Level[5]=10000 Minutes

设定RSS 源的权重为从０到５

RssRank=0 ~ 5

要点：
１．每一个RSS 源对应一个时间T[i]，这个时间取整就得到 Level 。例如，这个时间是250分钟，那么就取Level[2]，就是每隔200分钟抓取一次。
２．每一次这个对应时间都是改变的，根据这个RSS源有没有变化。
３．当更新了，这个时间就除以1.2 ，当未更新，这个时间就乘以1.2。
４．RssRank起到调整更新时间级别的规则。例如当一个RSS在Level[5]，但是它的RssRank是3，那么更新时间调整为Level[5-3] = Level[2] = 200分钟。

总体公式：

T[i+1] = T[i] [*(1.2)/(1.2)]
T = Level[ AntiLevel[T[i][(1.2)|/(1.2)]] - RssRank]

经过长时间的运行，T序列都变动非常稳定。

上一篇: 垂直搜索
下一篇: 集中/分布式搜索引擎的4种设计方案
文章来自: 本站原创
引用通告: 查看所有引用 | 我要引用此文章
Tags: 搜索引擎研究
相关日志: