面向DEEPWEB挖掘網(wǎng)絡(luò)爬蟲設(shè)計和實現(xiàn).pdf_第1頁
已閱讀1頁，還剩60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)，請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著Internet上信息量的迅速增長，搜索引擎已經(jīng)成為人們檢索網(wǎng)上信息的主要手段，是互聯(lián)網(wǎng)上人們獲取信息最重要的方式之一。網(wǎng)絡(luò)爬蟲作為搜索引擎中負(fù)責(zé)采集信息的模塊，有重要的作用。
　　由于互聯(lián)網(wǎng)具有信息數(shù)量大、更新和增長速度快的特點，而且隨著Web的發(fā)展,越來越多的數(shù)據(jù)可以通過表單提交來獲取。這些表單提交所產(chǎn)生信息是由DeepWeb后臺數(shù)據(jù)庫動態(tài)產(chǎn)生的。在這種情況下,信息集成就更加需要網(wǎng)路爬蟲來自動獲取這些頁面以進(jìn)一步地處理數(shù)據(jù)

2、。因此搜索引擎需要一個功能強(qiáng)大，工作高效的網(wǎng)絡(luò)爬蟲為其采集信息，使其能夠為用戶提供全面、及時的查詢結(jié)果。
　　為了滿足以上需要，本文提出一種用于搜集DeepWeb頁面的網(wǎng)絡(luò)爬蟲的設(shè)計方法。首先，運(yùn)用啟發(fā)式規(guī)則來篩選目標(biāo)表單并提取標(biāo)簽。其次，對表單進(jìn)行建模。最后，通過分析表單模型將屬性的值填入表單控件，完成填充。本文主要研究內(nèi)容如下：
　　(1)分析系統(tǒng)結(jié)構(gòu)中各個模塊需要完成的任務(wù)，給出各個模塊的設(shè)計思想和實現(xiàn)策略，設(shè)計并實現(xiàn)

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(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空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對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, 同時也不承擔(dān)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。

最新文檔

評論

0/150

提交評論