面向微博的網(wǎng)絡(luò)爬蟲研究與實(shí)現(xiàn).pdf_第1頁
已閱讀1頁，還剩49頁未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著Web2.0的興起，社交化媒體迅速發(fā)展，已成為信息共享和傳播的重要平臺(tái)。以新浪微搏、騰訊微博為代表的社交化媒體采用Ajax技術(shù)，實(shí)現(xiàn)了瀏覽器和服務(wù)器之間信息的異步傳輸，改善了用戶體驗(yàn)，與此同時(shí)，也增加了異步信息獲取的困難。傳統(tǒng)的網(wǎng)絡(luò)爬蟲只是通過解析靜態(tài)html網(wǎng)頁中的標(biāo)簽獲取網(wǎng)頁中的URL，對(duì)于通過執(zhí)行JavaScript腳本產(chǎn)生的動(dòng)態(tài)信息的獲取已顯得無能無力。
　　本文首先介紹了網(wǎng)絡(luò)爬蟲工作原理，傳統(tǒng)網(wǎng)絡(luò)爬蟲的實(shí)現(xiàn)過程

2、，并對(duì)網(wǎng)絡(luò)爬蟲中使用的關(guān)鍵技術(shù)進(jìn)行了研究，包括網(wǎng)頁搜索策略、URL去重算法、網(wǎng)頁分析技術(shù)、更新策略等。然后針對(duì)微博的特點(diǎn)和Ajax技術(shù)的實(shí)現(xiàn)方法，指出傳統(tǒng)網(wǎng)絡(luò)爬蟲的不足，以及信息抓取的技術(shù)難點(diǎn)，深入分析了現(xiàn)有的基于Ajax的網(wǎng)絡(luò)爬蟲的最新技術(shù)——通過模擬瀏覽器行為，觸發(fā)JavaScript事件（如click，onmouseover等），解析JavaScript腳本，動(dòng)態(tài)更新網(wǎng)頁DOM樹，抽取網(wǎng)頁中的有效信息。最后，詳細(xì)論述了面向SNS網(wǎng)

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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論