SE::Dogpile - Dogpile 搜索结果爬虫工具
爬虫工具概览
Dogpile 搜索结果爬虫工具。得益于 SE::Dogpile 爬虫工具，您可以获取海量的链接库，供后续使用。您可以直接使用在 Dogpile 搜索栏中输入的查询格式，包括搜索运算符（url, language, site 等）。
A-Parser 的功能允许您保存 Dogpile 爬虫工具的数据抓取设置（预设）以便后续使用，还可以设置数据抓取计划等。您可以使用自动查询扩展、从文件替换子查询、遍历字母数字组合和列表，以获取尽可能多的结果。
由于内置了强大的 Template Toolkit 模板引擎，您可以按所需的格式和结构保存结果，该引擎允许对结果应用额外的逻辑，并以各种格式输出数据，包括 JSON, SQL 和 CSV。
采集数据
- 搜索结果中的链接、锚点和摘要
- 相关关键词列表 (Related keywords)
功能
- 抓取 Dogpile 提供的最大结果数 - 搜索结果中 50 页，每页 10 个元素
- 总结果数 - 500
- 支持搜索相关关键词
应用场景
- 采集链接库 - 用于 A-Poster, XRumer, AllSubmitter 等
- 评估关键词竞争程度
- 搜索网站的反向链接（提及）
- 检查网站索引情况
- 寻找有漏洞的网站
- 任何其他涉及以某种形式对 Dogpile 进行数据抓取的场景
查询
在查询中需要指定搜索短语，就像直接在 Dogpile 搜索框中输入一样，例如：
test
parser language: ru
site: a-parser.com
site: slideshare.net Java Developer gmail.com resume -sample -samples -example -templates
查询替换
您可以使用内置宏来扩展查询，例如我们想要获取一个非常大的论坛数据库，指定几个不同语言的基础查询：
forum
论坛
foro
论坛
在查询格式中指定从 a 到 zzzz 的字符遍历，这种方法可以最大限度地轮换搜索结果并获得大量新的唯一结果：
$query {az:a:zzzz}
该宏将为每个原始搜索查询创建 475254 个额外查询，总计将产生 4 x 475254 = 1901016 个搜索查询，这个数字令人印象深刻，但对于 A-Parser 来说完全不是问题。在每分钟 2000 个查询的速度下，该任务仅需 16 小时即可处理完成。
使用运算符
您可以在查询格式中使用搜索运算符，这样它将自动添加到列表中的每个查询：
site:$query
结果输出选项
得益于内置的 Template Toolkit 模板引擎，A-Parser 支持灵活的结果格式化，这使其能够以任意形式以及结构化形式（如 CSV 或 JSON）输出结果。
导出链接列表
链接 + 锚点 + 摘要并输出位置
将链接、锚点和摘要输出到 CSV 表格
保存相关关键词
检查链接索引情况
以 SQL 格式保存
将结果转储为 JSON
结果处理
A-Parser 允许在数据抓取过程中直接处理结果，本节列出了 Dogpile 爬虫工具最常用的案例
链接去重
按域名进行链接去重
提取域名
去除锚点和摘要中的标签
按包含关系过滤链接
可能的设置
| 参数名称 | 默认值 | 描述 |
|---|---|---|
| Pages count | 10 | 要抓取的页数（1 到 50） |
| Bypass CloudFlare with Chrome | ☑ | 自动绕过 CloudFlare 检查 |
| Bypass CloudFlare with Chrome Max Pages | 10 | 通过 Chrome 绕过 CF 时的最大页数 |
| Bypass CloudFlare with Chrome Headless | ☑ | 如果启用此选项，在通过 Chrome 绕过 CF 时将不显示浏览器 |