問題描述

最近在爬股票的相關新聞，一開始設想的是，當有新的新聞動態發布，程序通過郵件發送最新內容到郵箱。

所以我想把新聞標題，內容存到數據庫里，當內容更新時，把新的內容和數據庫的標題列表對比，看是不是已存在的，如果已存在，那就不發送，如果沒有，那發送到郵箱。

但數量大了以后，列表查詢速度就會變慢，請問各位還有什么方法可以傳授下嗎？

問題解答

爬蟲任務去重

抓過的鏈接存到一個set中，檢查新鏈接是否在集合中即可。

去重有很多方法，比如樓上的set或者布隆過濾器都可以有效的使用內存，提升效率