第1741章 别被技术细节吓住 (4 / 10)

        现在网页主要是HTML，虽然各家写法不一样，但基本结构是固定的。

        链接都在＜a href=＞标签里，用正则表达式可以提取。”

        贾瀞雯打断：“正则表达式是什么？”

        “一种文本匹配的方法。”陈浩解释，“比如你要找所有以‘’开头的字符串。

        这个让技术人员去查资料，他们懂。”

        “第三，防止死循环。

        每个访问过的链接都要记录下来，下次遇到就直接跳过。

        还要设置深度限制，不能无限爬下去。”

        贾瀞雯飞快地记着。

        陈浩的声音很平静，好像这些难题都不是问题。

  The content is not finished, continue reading on the next page