网络爬虫子系统是社会工程软件数据收集入口,用于从新浪博客抓取博文,用于后续的内容提取和归类。提供数据内容管理接口与其他系统对接。网络爬虫子系统基于Linux平台,分为主控模块、下载模块、URL提取模块和持久化模块,其中用到了Linux多路复用技术(Epoll模型),socket,多线程、正则表达式、守护进程、Linux动态库等Linux系统开发技术。
评论