关于爬虫拖库的一些疑惑

[professorz]

像http://epub.sipo.gov.cn/gjcx.jsp 这个网站，通过关键词检索能否遍历它数据库里面所有的项目？如果可以的话，这种网站的拖库是不是挺容易的？

[arkilis]

但是你怎么知道这个是数据库中所有的内容呢。

拖库就是一点不剩给拖下来。拖：音调 一声

[wdlth]

这个只能叫抓取、采集数据，真正的拖库不只是数据，还要有关系。

[GeekGao]

理论上是可以获取到所有专利文档数据的，但数据库中的表结构、关系你是“拖”不出来的。

[professorz]

@arkilis 嗯，我发现了点bug，比如搜索1985年的数据，“只勾选发明公布”和“四项都勾选”两种情况下，得到的发明公布的数量不一样！奇怪~~

[professorz]

@GeekGao 感觉上这种数据库好像没什么表关系。。。甚至4张表就能包含所有数据。。

[GeekGao]

@professorz 你跑题了，我是说他们的数据库本身，而不是如何设计这个系统。。。