มีองค์ประกอบต่างๆ ของ Focused Web Crawlers ดังนี้:
1. Seed Detector (ตัวตรวจจับ Seed)
หน้าที่ของ Seed Detector คือตัดสิน Seed URLs สำหรับ Keyword เฉพาะเจาะจง โดยดึง URL แรก n URLs หน้า Seed ถูกระบุและกำหนด Priority ขึ้นอยู่กับ PageRank Algorithm หรือ HITS Algorithm หรือ Algorithm ที่คล้ายกัน
2. Crawler Manager (ผู้จัดการ Crawler)
Crawler Manager เป็นองค์ประกอบสำคัญของระบบหลัง Hypertext Analyzer องค์ประกอบนี้ดาวน์โหลดไฟล์จาก World Wide Web URLs ใน URL Repository ถูกดึงและสร้างไปยัง Buffer ใน Crawler Manager
URL Buffer เป็น Priority Queue ขึ้นอยู่กับขนาดของ URL Buffer Crawler Manager สร้าง Instance สำหรับ Crawlers แบบไดนามิก ซึ่งจะดาวน์โหลดไฟล์ สำหรับประสิทธิภาพมากขึ้น Crawler Manager สามารถสร้าง Crawler Pool Manager ยังตอบรับผิดชอบในการจำกัดความเร็วของ Crawlers และ Balance Load ระหว่างพวกเขา ทำได้โดยการตรวจสอบ Crawlers
3. Crawler (ตัวรวบรวมข้อมูล)
Crawler เป็น Multi-thread Java Code ที่เพียงพอสำหรับดาวน์โหลดหน้าเว็บจากเว็บและบันทึกไฟล์ใน Document Repository ทุก Crawler มี Queue ของตัวเอง ซึ่งมีผลต่อรายการ URLs ที่จะ Crawl Crawler ดึง URL จาก Queue
Crawlers ต่างๆ จะมี Shared Request ไปยัง Server เดียวกัน ดังนั้นการส่ง Request ไป Server เดียวกันจะทำให้ Server Overloaded Server ทำงานในการเสร็จสิ้น Request ที่ต้องมาจาก Crawlers ที่ Share Request และรอ Response
Server ถูกสร้าง Synchronized หาก Request สำหรับ URL ยังไม่เคย Share ก่อนหน้านี้ Request จะถูกส่งต่อไปยัง HTTP Structure นี้รับรองว่า Crawler ไม่ Overload Server ใดๆ
4. Link Extractor (ตัวแยกลิงก์)
Link Extractor แยก Connection จากไฟล์ที่มีอยู่ใน Document Repository องค์ประกอบทดสอบ URL อยู่ใน URL Retrieved หรือไม่ หากไม่พบ ข้อความรอบข้างก่อนและหลัง Hyperlink Heading หรือ Sub-heading ที่ Link อยู่ จะถูกแยกออกมา
5. Hypertext Analyzer (ตัววิเคราะห์ไฮเปอร์เท็กซ์)
Hypertext Analyzer รับ Keywords จาก Link Extractor และค้นพบ Relevancy ของ Methods กับ Search Keyword ที่กำหนด Taxonomy Hierarchy
6. HTTP Protocol Module (โมดูลโปรโตคอล HTTP)
HTTP Protocol Module Share Request สำหรับไฟล์ที่ URL ได้รับการยอมรับจาก Queue เมื่อรับ Document URL ของ Document ที่ดาวน์โหลด จะจัดเก็บใน URL Fetched พร้อม Timestamp และ Document จัดเก็บใน Document Repository
