网络爬虫是一个自动提取网页的程序，它为搜索引擎从万维网上下载网页，是搜索引擎的重要组成，传统爬虫从一个或若干初始网页的网页地址开始，获得初始网页上的网页地址，在抓取网页的过程中，不断从当前页面上抽取新的网页地址放入队列，直到满足系统的一定停止条件，聚焦爬虫的工作流程较为复杂，需要根据一定的网页分析算法过滤与主题无关的链接，保留有用的链接并将其放入等待抓取的网页地址队列，然后，它将根据一定的搜索策略从队列中选择下一步要抓取的网页地址，并重复上述过程，直到达到系统的某一条件时停止，所有被爬虫抓取的网页将会被系统存贮，进行一定的分析、过滤，并建立索引，以便之后的查询和检索。
热门推荐