基于頁面分析的網絡爬蟲系統(tǒng)的設計與實現.pdf_第1頁
已閱讀1頁，還剩60頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、隨著時間的慢慢的往后延續(xù),科學技術水平不斷的創(chuàng)新,網絡通訊也越來越發(fā)達,網絡信息的發(fā)布和傳輸越來越快,人們對數據的需求量的急劇的增加,Web上的信息也同時以大指數級的增加,慢慢的網絡信息的過濾的顯得尤為的重要,同時也不斷的推動著網絡爬蟲技術的快速向前改進,對于傳統(tǒng)的網頁爬蟲所選擇的過濾條件過與廣泛,導致信息的及時性與主題的相關性的很難得到保障,所以對于如何提高網絡爬蟲的搜索效率以及信息的過濾就很值得研究了。
　　本文研究目的在于提

2、高搜索的效率,在最少的時間內得到用戶最想要的結果,Web采集信息的主要過程包括:網頁爬取,網頁過濾,網頁分析,網頁本地化,網頁爬取需要解決的問題是通過程序高效的抓取到目的網頁,頁面過濾對垃圾頁面,頁面內容進行分析過濾,頁面分析對獲取的頁面進行拆分組合的過程,頁面本地化是對頁面的客戶端完整顯示出來。
　　本文實現了一個可以自動抓取網頁的Spider,詳細的講解了URL地址解析,去重,頁面加載,頁面過濾等關鍵技術,對URL地址解析,在

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論