这里面将会有无数个技术难题需要解决，如果这个工作让莫回一个人来完成，几乎是不可想象的。

除了图片，其他的像是视频、音频、各类数据库之类的，爬虫都需要一一辨别来，确定是否属于相关内容。

这样的话，莫回的爬虫就必须在备遍历能力的同时，还得备筛选的能力。

搜索引擎每天的访问量都是海量的，每一秒同时并发的搜索请求都是数以十万计的，在这么多请求面前，如果来一个请求它搜一遍互联网，这肯定是不现实的，不仅速度慢效率低，而且仅仅这类搜索请求就足让整个国际互联网陷拥堵状态。

而莫回既然想这个神1。0，他想要搜集海量数据，那么他要的事情其实和搜索引擎要的事情很像，只不过搜索引擎是所有信息都要搜集，而莫回只需要关注票相关的信息就行了。

这个筛选功能同样需要一大堆的算法来解决，不仅如此，它还需要备自然语言理能力，就是说它得备对语言文字的理解和解析的能力，它得能够识别哪些文字内容是与票相关的，哪些是无用的。

因为国际互联网中的信息节都是相互关联的，是网状联系的，每个节上都会有很多个url。所以爬虫的工作模式就是遍历，当它开始工作时，它会以一个信息节为起，然后挨个访寻与这个节相连的所有节，当下一层节还有url链接时，它就不断访问下去，直到将所有url遍历一次才算完。

而筛选功能就是通用爬虫和专用爬虫之间的主要区别，莫回的爬虫需要备一定的识别能力，能够辨别某个url中的内容是否备相关，如果不备那么就过，如果备就将其中的内容复制回来待用。

而帮助搜索引擎完成找这个动作的就是爬虫。

仅仅识别文字还是不够的，它还得能够识别其他格式的数据，比如它得能够识别图案，像是票相关的各k线图、状图之类的，爬虫必须能够将其与风景画或者自拍照区别开。

为了解决这个问题，搜索引擎就有了它特有的工作模式，它先尽可能多的将数据海洋里的信息全找来，然后存储在自己的服务群组中，一旦有了搜索请求，它只要在自己的服务里行检索就行了。

因为整个互联网的网状结构，使它备网状互通，所以等爬虫将所有url遍历了，一般来说它就已经将整个国际互联网所有链接全访问了一遍，这注定是一个比环球旅行更加令人叹为观止的行为。

遍历的能力解释起来很简单，就是你不能走回路和冤枉路，游历过的url就犯不着再走第二遍了。一条新的url被发现，首先需要判断这条url是否已经走过，其次需要判断这条url被安排在什么次序去走。一个是重复问题，一个是最优化问题，这就需要独特的遍历算法来解决。