有谁知道Googlebot是用哪种编程语言编写的?
或者,更一般地说,哪种语言是高效的网络抓取工具?
我见过许多Java语言,但在我看来,开发网络爬虫并不是最合适的语言,因为它会产生太多的开销(尝试使用Heritrix网络爬虫,而且非常繁重)
答案 0 :(得分:5)
有根据的猜测是Python。他们employ the creator of it。但是,我可以想象他们的爬虫可能是一个利用MapReduce的分布式应用程序,在这种情况下它可能实际上是一个C / C ++应用程序。
但这不是重点。您可以使用多种不同语言编写高效的Web爬网程序,但仍可获得相同的结果。即使它是黄色或蓝色的锤子,锤子仍会击中钉子。选择您喜欢的颜色并正确使用它。
答案 1 :(得分:3)
最早的版本,Backrub,was written in Python and Java。
答案 2 :(得分:3)
这可能会有所帮助。原始谷歌论文。
答案 3 :(得分:1)
不了解GoogleBot(很可能是C或Python),但Java和.NET都有一些好的。
比较流行的开源选项之一是Nutch(经常与Lucene一起使用)。
Nutch本身就是用Java编写的,效率很高。还有一个名为Nutch.NET的.NET端口。
答案 4 :(得分:0)
我认为这种语言不像具体实施那么重要。
您在Java中担心什么样的开销?记忆,处理能力?