1.4 网络爬虫的采集策略

网络爬虫的采集策略一般分为两种：深度优先搜索（Depth-First Search）策略和广度优先搜索（Breadth-First Search）策略。

深度优先搜索策略：从根节点开始，根据优先级向下遍历该根节点对应的子节点。当访问到某一子节点时，以该子节点为入口，继续向下层遍历，直到没有新的子节点可以继续访问为止。接着使用回溯法，找到没有被访问到的节点，以类似的方式进行搜索。图1.5给出了理解深度优先搜索的一个简单案例。

广度优先搜索策略：又称为宽度优先搜索策略，从根节点开始，沿着网络的宽度遍历每一层的节点，如果所有节点均被访问，则终止程序。图1.6给出了理解广度优先搜索的一个简单案例。基于广度优先的爬虫是最简单的采集网站信息的采集器，也是目前使用较为广泛的采集器。