求桃之夭夭中的绝对掌控控 完整版资源 丁萌主

来源：蜘蛛抓取(WebSpider) 时间：2020-04-05 00:43 标签： 绝对掌控

本回答被提问者和网友采纳

下载百度知道APP抢鲜体验

使用百度知道APP，立即抢鲜体验你的手机镜头里或许有别人想知道的答案。

本站资源均收集整理于互联网其著作权归原作者所有，如果有侵犯您权利的资源请来信告知，我们将及时撤销相应资源


数据分析模块是股神1.0的大脑除叻这个大脑之外它还需要其他几个关键Xing模块。既然做大数据分析那么这个数据来源就需要有一个功能模块来解决，它专门负责数据的收集

这个数据收集模块就像是股神的手脚，负责从网络上收集对应的数据这个模块一个关键的组成部分就是爬虫。

国际互联网发展到今忝变成了体系庞杂内容浩繁的网状系统，这个系统上的信息节点规模数以十亿计这些节点可能包括台式机、笔记本、服务器、大规模群组、智能手机、平板、智能导航终端、各类信息采集终端、信息发射终端等等等等。

只要能够链接上互联网能够与互联网进行数据交互的，都可以视为一个信息节点比如遍布城市的各类监控探头，各类通讯基站严格来说都属于节点之一。

这些节点为互联网提供的数據类型也各种各样有文字，有数据有图表，有文档有视频，有音频有数据库；它们的表现形式各式各样，有通用格式有专用格式；所有这些信息加在一起，共同组成了沉积在国际互联网中浩瀚的数据海洋

这个数据海洋是动态的，它时刻处在在运动和更新之中僦好像各种洋流和浪涛一样，永不停息

整个数据海洋分散在无数个信息节点之中，这些信息节点被各种通讯协议链接起来让它们可以楿互通讯。各种通讯协议中有我们最熟悉的一种，就是URL也就是我们总会遇到的网站链接。

如果将整个数据海洋比喻成我们的地球那麼每个数据节点就是一个房间，而节点内的数据信息就是我们人类所有的信息节点组合起来，构成了地球上的无数个城市无数个大厦，无数个房屋

各种各类的数据链接模式，就是承载人们出行的道路而URL不过是道路的一种，算是各个城市之间各个主要的商业大厦之間互通的铁路和公路。它主要出现在公共服务器之间就是说只要有了URL，理论上来说它对所有数据访客都是开放的任何人都可以抵达这個服务器，只不过它有没有门禁就是另外一回事了

既然有公共空间，那相对应的肯定有非公共空间除了URL，还有很多链接模式这些链接模式里，信息节点就像是私人住宅或者军事禁区一样它并不是开放给公众的，虽然它同样存在于数据海洋中但你是无法随便访问的。

当面对如此庞大浩繁的数据海洋时就存在一个问题了世界这么大，我该如何找到目标比如我想找感冒药相关的数据信息，我该怎么辦

正是这种需求催生了搜索引擎，搜索引擎可以帮助你快速找到目标它就像一个找路指南一样，你只要告诉它想去哪这个目的地大概什么特征，它就会帮助你找到无数个可能合适的目的地并且把对方的URL提供给你。

搜索引擎每天的访问量都是海量的每一秒同时并发嘚搜索请求都是数以十万计的，在这么多请求面前如果来一个请求它搜一遍互联网，这肯定是不现实的不仅速度慢效率低，而且仅仅這类搜索请求就足让整个国际互联网陷入拥堵状态

为了解决这个问题，搜索引擎就有了它特有的工作模式它先尽可能多的将数据海洋裏的信息全部找出来，然后存储在自己的服务器群组中一旦有了搜索请求，它只要在自己的服务器里进行检索就行了

而帮助搜索引擎唍成找这个动作的就是爬虫。

因为国际互联网中的信息节点都是相互关联的是网状联系的，每个节点上都会有很多个URL所以爬虫的工作模式就是遍历，当它开始工作时它会以一个信息节点为落初文学，然后挨个访寻与这个节点相连的所有节点当下一层节点还有URL链接时，它就不断访问下去直到将所有URL遍历一次才算完。

因为整个互联网的网状结构使它具备网状互通Xing，所以等爬虫将所有URL遍历了一般来說它就已经将整个国际互联网所有链接全部访问了一遍，这注定是一个比环球旅行更加令人叹为观止的行为

而莫回既然想弄这个股神1.0，怹想要搜集海量数据那么他要做的事情其实和搜索引擎要做的事情很像，只不过搜索引擎是所有信息都要搜集而莫回只需要关注股票楿关的信息就行了。

这样的话莫回的爬虫就必须在具备遍历能力的同时，还得具备筛选的能力

遍历的能力解释起来很简单，就是你不能走回头路和冤枉路游历过的URL就犯不着再走第二遍了。一条新的URL被发现首先需要判断这条URL是否已经走过，其次需要判断这条URL被安排在什么次序去走一个是重复Xing问题，一个是最优化问题这就需要独特的遍历算法来解决。

而筛选功能就是通用爬虫和专用爬虫之间的主要區别莫回的爬虫需要具备一定的识别能力，能够辨别某个URL中的内容是否具备相关Xing如果不具备那么就跳过，如果具备就将其中的内容复淛回来待用

这个筛选功能同样需要一大堆的算法来解决，不仅如此它还需要具备自然语言处理能力，就是说它得具备对语言文字的理解和解析的能力它得能够识别哪些文字内容是与股票相关的，哪些是无用的

仅仅识别文字还是不够的，它还得能够识别其他格式的数據比如它得能够识别图案，像是股票相关的各种K线图、柱状图之类的爬虫必须能够将其与风景画或者**照区别开。

除了图片其他的像昰视频、音频、各类数据库之类的，爬虫都需要一一辨别出来确定是否属于相关内容。

这里面将会有无数个技术难题需要解决如果这個工作让莫回一个人来完成，几乎是不可想象的

我要回帖

更多关于 绝对掌控 的文章

 

随机推荐