2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩62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、摘要Ⅰ摘要網(wǎng)絡爬蟲是一種自動搜集互聯(lián)網(wǎng)信息的程序。通過網(wǎng)絡爬蟲不僅能夠為搜索引擎采集網(wǎng)絡信息,而且可以作為定向信息采集器,定向采集某些網(wǎng)站下的特定信息,如招聘信息,租房信息等。本文通過 JAVA 實現(xiàn)了一個基于廣度優(yōu)先算法的多線程爬蟲程序。本論文闡述了網(wǎng)絡爬蟲實現(xiàn)中一些主要問題:為何使用廣度優(yōu)先的爬行策略,以及如何實現(xiàn)廣度優(yōu)先爬行;為何要使用多線程,以及如何實現(xiàn)多線程;系統(tǒng)實現(xiàn)過程中的數(shù)據(jù)存儲;網(wǎng)頁信息解析等。通過實現(xiàn)這一爬蟲程序,可以

2、搜集某一站點的 URLs,并將搜集到的 URLs存入數(shù)據(jù)庫。【關鍵字】網(wǎng)絡爬蟲;JAVA;廣度優(yōu)先;多線程。目錄第一章 第一章 引言 引言......................................................... .........................................................1第二章 第二章 相關技術介紹 相關技術介紹..............

3、................................... .................................................22.1 JAVA 線程......................................................22.1.1 線程概述 ..................................................2 2.1.2

4、 JAVA 線程模型.............................................22.1.3 創(chuàng)建線程 ..................................................32.1.4 JAVA 中的線程的生命周期....................................42.1.5 JAVA 線程的結束方式..........................

5、..............4 2.1.6 多線程同步 ................................................52.2 URL 消重.......................................................52.2.1 URL 消重的意義.............................................52.2.2 網(wǎng)絡爬蟲 URL 去

6、重儲存庫設計 ................................52.2.3 LRU 算法實現(xiàn) URL 消重.......................................72.3 URL 類訪問網(wǎng)絡.................................................82.4 爬行策略淺析 .............................................

7、....82.4.1 寬度或深度優(yōu)先搜索策略.....................................82.4.2 聚焦搜索策略 ..............................................92.4.3 基于內容評價的搜索策略.....................................9 2.4.4 基于鏈接結構評價的搜索策略 ........................

8、.......102.4.5 基于鞏固學習的聚焦搜索 ...................................112.4.6 基于語境圖的聚焦搜索 .....................................11第三章 第三章 系統(tǒng)需求分析及模塊設計 系統(tǒng)需求分析及模塊設計...................................... ..............................

9、........13 133.1 系統(tǒng)需求分析 .................................................13 3.2 SPIDER 體系結構...............................................133.3 各主要功能模塊(類)設計 .....................................14 3.4 SPIDER 工作過程........

10、.......................................14第四章 第四章 系統(tǒng)分析與設計 系統(tǒng)分析與設計.............................................. ..............................................16 164.1 SPIDER 構造分析...........................................

11、....16 4.2 爬行策略分析 .................................................174.3 URL 抽取,解析和保存..........................................184.3.1 URL 抽取..................................................18 4.3.2 URL 解析..............

12、....................................194.3.3 URL 保存..................................................19第五章 第五章 系統(tǒng)實現(xiàn) 系統(tǒng)實現(xiàn).................................................... ................................................

13、....21 215.1 實現(xiàn)工具 .....................................................21 5.2 爬蟲工作 .....................................................21 5.3 URL 解析......................................................225.4 URL 隊列管理...

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(wǎng)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(jīng)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(xiàn)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。

最新文檔

評論

0/150

提交評論