面向微博的网络爬虫研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第7-10页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 论文的研究内容 | 第9页 |
| 1.4 论文的组织结构 | 第9-10页 |
| 第2章 网络爬虫概述 | 第10-14页 |
| 2.1 网络爬虫简介 | 第10-11页 |
| 2.1.1 网络爬虫工作原理 | 第10页 |
| 2.1.2 礼貌爬虫策略 | 第10-11页 |
| 2.2 网络爬虫分类 | 第11-14页 |
| 2.2.1 通用网络爬虫 | 第11-12页 |
| 2.2.2 主题网络爬虫 | 第12-13页 |
| 2.2.3 深层网络爬虫 | 第13-14页 |
| 第3章 关键技术研究 | 第14-32页 |
| 3.1 网页搜索策略 | 第14-15页 |
| 3.1.1 广度优先搜索策略 | 第14-15页 |
| 3.1.2 深度优先搜索策略 | 第15页 |
| 3.1.3 最佳优先搜索策略 | 第15页 |
| 3.2 URL去重算法 | 第15-19页 |
| 3.2.1 MD5 | 第16-17页 |
| 3.2.2 SimHash | 第17-18页 |
| 3.2.3 Bloom Filter | 第18-19页 |
| 3.3 网页分析算法 | 第19-23页 |
| 3.3.1 PageRank | 第19-21页 |
| 3.3.2 HITS | 第21-22页 |
| 3.3.3 OPIC | 第22-23页 |
| 3.4 信息抽取技术 | 第23-24页 |
| 3.4.1 信息抽取概述 | 第23-24页 |
| 3.4.2 正则表达式 | 第24页 |
| 3.5 网页更新策略 | 第24-26页 |
| 3.6 Ajax技术 | 第26-28页 |
| 3.6.1 Ajax概述 | 第26-27页 |
| 3.6.2 Ajax特点 | 第27-28页 |
| 3.7 DOM | 第28-29页 |
| 3.8 XPath | 第29-32页 |
| 3.8.1 XPath概述 | 第29-30页 |
| 3.8.2 XPath实例 | 第30-32页 |
| 第4章 系统的设计与实现 | 第32-44页 |
| 4.1 微博网站分析 | 第32页 |
| 4.2 浏览器工作原理 | 第32-34页 |
| 4.2.1 浏览器概述 | 第32-33页 |
| 4.2.2 渲染引擎 | 第33-34页 |
| 4.3 系统总体设计 | 第34-35页 |
| 4.4 系统子模块设计 | 第35-41页 |
| 4.4.1 URL管理模块 | 第35-36页 |
| 4.4.2 网页抓取模块 | 第36-37页 |
| 4.4.3 信息抽取模块 | 第37-38页 |
| 4.4.4 JavaScript解析模块 | 第38页 |
| 4.4.5 DOM构建模块 | 第38-39页 |
| 4.4.6 事件处理模块 | 第39-40页 |
| 4.4.7 数据库设计 | 第40-41页 |
| 4.5 系统运行结果 | 第41-44页 |
| 第5章 总结与展望 | 第44-46页 |
| 5.1 总结 | 第44页 |
| 5.2 展望 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50-51页 |
