面向異步通訊機制的網(wǎng)頁搜索技術研究.pdf

1、本文系統(tǒng)的回顧了搜索引擎頁面搜索的研究現(xiàn)狀，分析了目前全文搜索引擎頁面搜集和存儲的工作原理，介紹了異步通訊技術的工作原理和優(yōu)勢，總結了在WEB2.0環(huán)境下，由于采用異步通訊機制而給搜索引擎所帶來的問題，提出了一種面向異步通訊機制的網(wǎng)頁搜集技術的實現(xiàn)方法。 面向異步通訊機制的頁面搜索技術研究旨在克服由于采用異步通訊技術而給搜索引擎所帶來的新問題。由于目前全文搜索引擎的搜集器大多采用基于超鏈分析的算法，搜集器程序只分析頁面的HTML

2、代碼部分，而忽略頁面中腳本區(qū)域的代碼。而異步通訊技術正是借助大量的腳本代碼來實現(xiàn)的，大量的鏈接被隱藏在了頁面的腳本代碼中。因此需要對現(xiàn)有的搜索引擎的搜集器做適當?shù)母倪M，使得搜集器程序可以分析頁面腳本區(qū)域的代碼，將其中的超鏈接取出。為此，提出了一種借助于腳本運行環(huán)境，利用Windows消息機制，通過系統(tǒng)模擬點擊頁面腳本函數(shù)的方法來提取超鏈接。同時，針對異步通訊機制所帶來的服務器返回不完整頁面的問題，采取了導入鏈接所屬的源頁面，通過局部刷新