基于用户界面状态改变的Ajax动态网页爬取算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-15页 |
| 1.1 选题背景与意义 | 第11-12页 |
| 1.2 国内外相关研究 | 第12-13页 |
| 1.3 本文研究内容与结构 | 第13-15页 |
| 1.3.1 研究内容概述 | 第13-14页 |
| 1.3.2 组织结构 | 第14-15页 |
| 2 Ajax动态网页 | 第15-29页 |
| 2.1 HTML DOM | 第15-17页 |
| 2.2 Ajax原理 | 第17-18页 |
| 2.3 Ajax动态网页示例 | 第18-23页 |
| 2.4 爬取模型中的相关概念 | 第23-26页 |
| 2.4.1 用户界面状态 | 第23页 |
| 2.4.2 状态转换 | 第23页 |
| 2.4.3 可点击元素 | 第23-24页 |
| 2.4.4 状态转换图 | 第24-26页 |
| 2.5 爬虫相关工具介绍 | 第26-28页 |
| 2.5.1 Selenium WebDriver | 第26页 |
| 2.5.2 Jsoup解析工具 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 3 Ajax动态网页爬取算法 | 第29-40页 |
| 3.1 爬取结构图 | 第29页 |
| 3.2 爬取算法描述 | 第29-39页 |
| 3.2.1 初始化 | 第32页 |
| 3.2.2 检测可点击元素 | 第32-34页 |
| 3.2.3 状态比较 | 第34-36页 |
| 3.2.4 DOM树增量处理 | 第36-37页 |
| 3.2.5 状态回退 | 第37-39页 |
| 3.3 本章小结 | 第39-40页 |
| 4 Ajax动态网页并行爬取算法 | 第40-68页 |
| 4.1 并行爬取结构图 | 第40-41页 |
| 4.2 算法描述 | 第41-46页 |
| 4.2.1 浏览器池 | 第42-44页 |
| 4.2.2 自上而下追踪 | 第44页 |
| 4.2.3 多节点爬取 | 第44-45页 |
| 4.2.4 爬虫分配函数 | 第45-46页 |
| 4.3 系统结构设计及实现 | 第46-56页 |
| 4.3.1 系统整体结构 | 第46-52页 |
| 4.3.2 功能设计 | 第52-56页 |
| 4.4 系统测试及结果分析 | 第56-67页 |
| 4.4.1 有效性测试 | 第56-60页 |
| 4.4.2 表单测试 | 第60-61页 |
| 4.4.3 HTML解析测试 | 第61-63页 |
| 4.4.4 并行爬取实验 | 第63-67页 |
| 4.5 本章小结 | 第67-68页 |
| 5 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68-69页 |
| 5.2 展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第73-75页 |
| 学位论文数据集 | 第75页 |
