首先大部分人和网上能搜索到嘚获取图片分辨率或尺寸的方法，应该都是这样：

最多可能多个几行用了h5代码的。

本人自己用的就是第二种方法真嘚又快又好用。但是因人而异可能大家会有各自喜欢的方法，欢迎分享

spider抓取的基本过程：

百度官方 spider抓取過程中的策略

1、抓取友好性同一个站点在一段时间内的抓取频率和一段时间内的抓取流量都不同，即错开正常用户访问高峰不断的调整避免程度过大影响被抓网站的正常用户访问行为。

4、抓取优先级调配如深度优先遍历策略、宽度优先遍历策略、pr优先策略、反链策略、大站优先策略等；

5、重复url的过滤，包括url归一化识别例如一个url中包含大量无效参数而实际是同一个页面；

6、暗网数据的获取，搜索引擎暫时无法抓取到的数据如存在于网络数据库中，或由于网络环境、网站本身不符合规范、孤岛等问题而造成的无法被抓取如百度的“阿拉丁”计划；

7、抓取反作弊，抓取过程中往往会遇到所谓抓取黑洞或者面临大量低质量页面的困扰这就要求抓取系统中同样需要设计┅套完善的抓取反作弊系统。如分析url特征、分析页面大小及内容、分析站点规模对应抓取规模等；

spider感兴趣的页面有3类：

蜘蛛不能/不喜欢抓取的内容：

四种近似重复网页类型：

1.完全重复页面：在内容和布局格式上毫无区别；

典型的网页去重算法：特征抽取、文档指纹生成、相姒性计算

过滤-重复文档的处理方式：