在当前数据爆发的时代数据分析行业势头强劲，越来越多的人涉足数据分析领域进入领域最想要的就是获取大量的数据来为自己的分析提供支持，但是如何获取互联網中的有效信息这就促进了“爬虫”技术的飞速发展。

网络爬虫（又被称为网页蜘蛛网络机器人，在FOAF社区中间更经常的称为网页追逐者），是一种按照一定的规则自动地抓取万维网信息的程序或者脚本。

传统爬虫从一个或若干初始网页的URL开始获得初始网页上的URL，茬抓取网页的过程中不断从当前页面上抽取新的URL放入队列,直到满足系统的一定停止条件。聚焦爬虫的工作流程较为复杂需要根据一定嘚网页分析算法过滤与主题无关的链接，保留有用的链接并将其放入等待抓取的URL队列然后，它将根据一定的搜索策略从队列中选择下一步要抓取的网页URL并重复上述过程，直到达到系统的某一条件时停止

另外，所有被爬虫抓取的网页将会被系统存贮进行一定的分析、過滤，并建立索引以便之后的查询和检索；对于聚焦爬虫来说，这一过程所得到的分析结果还可能对以后的抓取过程给出反馈和指导

筆者是爬虫初学者，通过这篇综述来记录一下自己的心得体会