基于广度优先的主题爬虫的设计与实现
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第6-9页 |
| ·网络爬虫的研究现状 | 第6页 |
| ·网络爬虫存在的问题 | 第6-7页 |
| ·本文的主要工作 | 第7-8页 |
| ·本文的篇章结构 | 第8-9页 |
| 第二章 网络搜索技术 | 第9-27页 |
| ·本文技术设计思路 | 第9-10页 |
| ·网络搜索程序概述 | 第10-11页 |
| ·网络搜索中的隧道现象 | 第11-13页 |
| ·隧道现象简介 | 第11页 |
| ·隧道现象的一般解决策略 | 第11-13页 |
| ·暗网络 | 第13-16页 |
| ·暗网络简介 | 第13-14页 |
| ·暗网分类 | 第14页 |
| ·暗网的处理方法 | 第14-16页 |
| ·网页内容分析 | 第16-19页 |
| ·WEB页面的类型分析 | 第16-17页 |
| ·WEB页面的表示分析 | 第17-19页 |
| ·WEB页面分类模型 | 第19-22页 |
| ·WEB页面分类模型 | 第20页 |
| ·加权均衡的WEB页面分类 | 第20-21页 |
| ·ICTCLAS简介 | 第21-22页 |
| ·文本分析模块需求分析 | 第22-23页 |
| ·文本分词功能 | 第22页 |
| ·特征提取功能 | 第22-23页 |
| ·开源爬虫 | 第23-25页 |
| ·本文的工作流程 | 第25-27页 |
| 第三章 广度优先主题爬虫的需求分析 | 第27-41页 |
| ·主题爬虫的需求分析 | 第27-28页 |
| ·主题爬虫的需求建模 | 第28-29页 |
| ·网页爬取模块需求分析 | 第29-31页 |
| ·URL的消重的需求分析 | 第31-38页 |
| ·标记树的建立流程 | 第34-35页 |
| ·文和超级链接的提取流程 | 第35-38页 |
| ·页面存储模块的需求分析 | 第38-39页 |
| ·Nutch软件 | 第39-41页 |
| 第四章 基于广度优先主题爬虫的设计实现 | 第41-56页 |
| ·网络搜索程序的总体架构 | 第41页 |
| ·广度优先搜索方案实现 | 第41-43页 |
| ·广度优先搜索算法 | 第42页 |
| ·算法实现 | 第42-43页 |
| ·网络搜索程序的主要数据结构 | 第43-45页 |
| ·元数据 | 第43-44页 |
| ·WEB页面内容 | 第44-45页 |
| ·DNS缓存模块 | 第45-46页 |
| ·线程池工作模块 | 第46-48页 |
| ·URL分析模块 | 第48-49页 |
| ·数据库设计 | 第49-51页 |
| ·分词模块 | 第51-53页 |
| ·基于广度优先方案搜索程序的特点 | 第53-56页 |
| 第五章 结论 | 第56-59页 |
| ·同类程序比较 | 第56-57页 |
| ·不足与展望 | 第57-59页 |
| 参考文献 | 第59-61页 |
| 致谢 | 第61-62页 |
