今日头条搜索spider介绍

头条搜索的爬虫UA为“Bytespider”首写字母为大写。每个独立的搜索引擎都有自己的网页抓取程序爬虫（Spider）。爬虫顺着网页中的超链接，从这个网站爬到另一个网站，通过超链接分析连续访问抓取更多网页。被抓取的网页被称之为网页快照！

一、头条搜索UA介绍

头条搜索的爬虫UA为“Bytespider”首写字母为大写。

例如：

例如：    Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML,like Gecko)Chrome/41.0.6633.1032 Mobile Safari/537.36;    Bytespider;bytespider@bytedance.com

二、头条搜索ip字段介绍

头条搜索的ip字段总共涉及6个，具体字段如下：

110.249.201.0/24    110.249.202.0/24    111.225.148.0/24    111.225.149.0/24    220.243.135.0/24    220.243.136.0/24

三、基本流程

1.抓取网页。

每个独立的搜索引擎都有自己的网页抓取程序爬虫（Spider）。爬虫顺着网页中的超链接，从这个网站爬到另一个网站，通过超链接分析连续访问抓取更多网页。被抓取的网页被称之为网页快照。由于互联网中超链接的应用很普遍，理论上，从一定范围的网页出发，就能搜集到绝大多数的网页。

2.处理网页。

搜索引擎抓到网页后，还要做大量的预处理工作，才能提供检索服务。其中，最重要的就是提取关键词，建立索引库和索引。其他还包括去除重复网页、分词（中文）、判断网页类型、分析超链接、计算网页的重要度/丰富度等。

3.提供检索服务。

用户输入关键词进行检索，搜索引擎从索引数据库中找到匹配该关键词的网页；为了用户便于判断，除了网页标题和URL外，还会提供一段来自网页的摘要以及其他信息。