打算做个爬虫程序,抓取别的网站视频放到自己的网站

属于侵权行为，目前大部分视频网站底部都已经明确声明禁止盗版盗链只有在站内允许的范围内进行使用（详见视频网站中的版权声明）例如，youku的版权声明如下本网站主办方已经对本网站内全部正版授权的视频内容，采取了必要的反盗版和防盗链等技术措施，并且添加、设置权利管理电子信息。

任何单位或个人，未经本网站主办方的许可，不得以任何方式（包括但不限于：盗链、冗余盗取等）直接或间接地盗取相关视频内容、不得以任何方式（包括但不限于：隐藏或者修改本网站域名、播放器软件、优酷标识等）删除或者改变相关视频内容的权利管理电子信息。

否则，本网站主办方将保留进一步追究侵权者法律责任的权利。

网站爬虫应该怎么做？有没有什么学习视频或者是可以用的软件之类的...

火车头采集器是比较好的网站采集软件。

火车头采集器：火车采集器已经成为国内使用人数最多、功能最完善、网站程序支持最全面、数据库支持最丰富的软件产品。

使用火车采集器，系统支持远程图片下载，图片批量水印，Flash下载，下载文件地址探测，自制作发表的cms模块参数，自定义发表的内容等。

此外，丰富的规则制定，内容替换功能，对Access,Mysql,MSsql的数据入库导出的支持，更可令采集内容的时候得心应手。

...

什么是网络爬虫

1 爬虫技术研究综述 引言？ 随着网络的迅速发展，万维网成为大量信息的载体，如何有效地提取并利用这些信息成为一个巨大的挑战。

搜索引擎（Search Engine），例如传统的通用搜索引擎AltaVista,Yahoo！和Google等，作为一个辅助人们检索信息的工具成为用户访问万维网的入口和指南。

但是，这些通用性搜索引擎也存在着一定的局限性，如：？ （1） 不同领域、不同背景的用户往往具有不同的检索目的和需求，通用搜索引擎所返回的结果包含大量用户不关心的网页。

？ （2） 通用搜索引擎的目标是尽可能大的网络覆盖率，有限的搜索引擎服务器资源与无限的网络数据资源之间的矛盾将进一步加深。

？ （3） 万维网数据形式的丰富和网络技术的不断发展，图片、数据库、音频/视频多媒体等不同数据大量出现，通用搜索引擎往往对这些信息含量密集且具有一定结构的数据无能为力，不能很好地发现和获取。

？ （4） 通用搜索引擎大多提供基于关键字的检索，难以支持根据语义信息提出的查询。

？ 为了解决上述问题，定向抓取相关网页资源的聚焦爬虫应运而生。

聚焦爬虫是一个自动下载网页的程序，它根据既定的抓取目标，有选择的访问万维网上的网页与相关的链接，获取所需要的信息。

与通用爬虫（general?purpose web crawler）不同，聚焦爬虫并不追求大的覆盖，而将目标定为抓取与某一特定主题内容相关的网页，为面向主题的用户查询准备数据资源。

？ 1 聚焦爬虫工作原理及关键技术概述？ 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URL开始，获得初始网页上的URL，在抓取网页的过程中，不断从当前页面上抽取新的URL放入队列，直到满足系统的一定停止条件，如图1(a)流程图所示。

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URL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URL，并重复上述过程，直到达到系统的某一条件时停止，如图1(b)所示。

另外，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；对于聚焦爬虫来说，这一过程所得到的分析结果还可能对以后的抓取过程给出反馈和指导。

？ 相对于通用网络爬虫，聚焦爬虫还需要解决三个主要问题：？ （1） 对抓取目标的描述或定义；？ （2） 对网页%B 展开