关于火车头本地采集数据量的问题咨询

红色自由人

想咨询一个问题

我用了火车头免费版本的，正在采集中，犹豫目标网站数据量大，更新频率很高，所以每次采集都需要记录采集过的文章，否则会采集重复，这样一来时间长了就会本地积累采集过的数据很大，我想知道火车头能支撑多少数据呢？像我这样的采集方法！

谢谢，第一次发帖子，不知道的板块对不对，希望知情人士给予回答，谢谢！

yzimhao

每次你都要从头到尾的采集吗？？
其实你只需要第一次全站采集一遍，然后第二次从第一页开始采集，每天都是他更新的，就不会有重复了。然后你定期清理一下本地数据库，保证不会有重复的。

红色自由人

每次你都要从头到尾的采集吗？？
其实你只需要第一次全站采集一遍，然后第二次从第一页开始采集，每天都是 ...
yzimhao 发表于 2010-7-8 14:37

恩，我看见本地有一个地址库 和一个本地采集数据库，地址库只存放的是采集过的url地址，本地采集库是存放的文章数据，假如我每次清除掉本地采集数据库，是不是就可以大量的减少数据库空间了，这样也不会影响重复采集吧！

yzimhao

是的  火车判断重复采集是 根据地址来判断的，不是比对数据。
只要保留地址库的数据就行了

missquiet

是的  火车判断重复采集是 根据地址来判断的，不是比对数据。
只要保留地址库的数据就行了
yzimhao 发表于 2010-7-8 17:01

那有没有采集数据更新的解决方案呢

只通过地址判断是否重复还不够

lbjyuer

和你们一块学习。。。

lbjyuer

历史帖子回顾中。