大站優(yōu)先的思路很直接，以網(wǎng)站為單位來衡量網(wǎng)頁的重要性，對于待抓取的URL隊列中的網(wǎng)頁，根據(jù)所述網(wǎng)站歸類，如果哪個網(wǎng)站等待下載的頁面最多，則 優(yōu)先下載這些鏈接。其本質(zhì)思想是「傾向于優(yōu)先下載大型網(wǎng)站URL」。因為大型網(wǎng)站往往包含更多的頁面。鑒于大型網(wǎng)站往往是名站，其網(wǎng)頁質(zhì)量一般較高，所以 這個思路雖然簡單，但有一定依據(jù)。

 

2.網(wǎng)頁評級

 

　　而第二階段則是對網(wǎng)頁的重要性進行評級，PageRank是一種著名的鏈接分析算法，可以用來衡量網(wǎng)頁的重要性，很自然的，站長可以用 PageRank的思路來對URL進行排序，這就是各位熱衷的「發(fā)外鏈」，據(jù)一位朋友了解，在中國「發(fā)外鏈」這個市場每年有上億元的規(guī)模。

 

　　爬蟲的目的就是去下載網(wǎng)頁，但PageRank是個全局性算法，也就是當所有網(wǎng)頁有下載完成后，其計算結(jié)果才是可靠的。對于中小網(wǎng)站來講，服務(wù)器如果質(zhì)量不好，如果在抓取過程中，只看到部分內(nèi)容，在抓取階段是無法獲得可靠的PageRank得分。

 

3.大小通吃

 

　　搜索引擎的網(wǎng)頁抓取都是采取「大小通吃」的策略，也就是把網(wǎng)頁中能發(fā)現(xiàn)的鏈接逐一加入到待抓取URL中，機械性的將新抓取的網(wǎng)頁中的URL提取出來，這種方式雖然比較古老，但效果很好，這就是為什么很多站長反應(yīng)蜘蛛來訪問了，但沒有收錄的原因，這僅僅是一階段。

 

4.OCIP策略

 

　　OCIP策略更像是PageRank算法的改進。在算法開始之前，每個網(wǎng)頁都給予相同的「現(xiàn)金」，每當下載某個頁面A后，A將自己的「現(xiàn)金」平均分給頁面中包含的鏈接頁面，把自己的「現(xiàn)金」清空。這就是為什么導(dǎo)出的鏈接越少，權(quán)重會越高的原因之一。

 

　　而對于待抓取的網(wǎng)頁，會根據(jù)手頭擁有的現(xiàn)金多少排序，優(yōu)先下載現(xiàn)金最充裕的網(wǎng)頁，OCIP大致與PageRank思路一致，區(qū)別在于：PageRank每次要迭代計算，而OCIP則不需要，所以計算速度遠遠快于PageRank，適合實時計算使用。這可能就是為什么很多網(wǎng)頁會出現(xiàn)「秒收」的情況了。