标签：加密算法 str red 通过 集合 strong 数据去重 抓取 过滤
使用数据库建立关键字段（一个或者多个）建立索引进行去重
根据url地址进行去重
使用场景：url地址对应的数据不会变的情况，url地址能够唯一判别一条数据的情况
思路：
url存在Redis中
拿到url地址，判断url在Redis的集合中是否存在
存在：说明url地址已经被请求过了，不在请求
不存在：说明url地址没有被请求过，请求，把该url地址存入Redis的集合中
布隆过滤器：
使用多个加密算法加密url地址，得到多个值
往对应值的位置把结果设置为1
新来的一个url地址，一样通过加密算法生成多个值
如果对应位置的值全为1，说明这个url地址已经被抓取过了
否则没有被抓取过，就把对应的位置的值设置为1
根据数据本身进行去重：
选择特定的字段（能够唯一标识数据的字段），使用加密算法（MD5，sha1）将字段进行加密，生成字符串，存入Redis的集合中
后续新来一条数据，同样的方式进行加密，
如果得到的字符串在Redis中存在，说明数据存在，对数据进行更新，
否则说明数据不存在，对数据进行插入。
标签：加密算法 str red 通过 集合 strong 数据去重 抓取 过滤
原文地址：https://www.cnblogs.com/zhiliang9408/p/10023664.html
