里面目前有 100 张图片,图片 id 从 100 到 1,最近的 id 为 100,最旧的 id 为 1
相册内容会变动,图片 id 会增加到 110,120 等等
每次爬取可能只爬取了 10 张(比如从 id100 爬取到了 id90)
现在是把爬取过的图片 id 入库了,每次下载前查询下是否爬过
我该怎么记录能不少爬取数据?相册更新了该怎么处理?
我想到的是这样解决的:
1.当专辑第一次运行时,记录初始图片 id(100)和当前图片 id,同时标记专辑未爬完(是否结束为否)
2. 爬数据...每次结束时更新当前图片 id 为当前的 id ,意思下次从这里开始
3. 第二次运行时,如果是否结束为否,就从第二步中的当前图片 id 开始向后爬,直到把是否结束变成是
4. 如果结束了,从头开始爬,爬取时再更新当前图片 id 字段
5.当前图片 id = 初始图片 id 时,把初始图片 id 更新成最新的,专辑结束
关键就是是否结束这个字段了,为否时爬取旧数据,当旧数据爬完时反过来爬新数据
后续再运行就都是爬新数据了
表结构:
相册 id | 初始图片 id | 当前图片 id | 是否结束
请问还有更好的办法不