網(wǎng)絡爬蟲的設計與實現(xiàn)畢業(yè)論文（含外文翻譯）

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...