| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 Web采集技术研究现状 | 第10-11页 |
| 1.2.2 Web信息抽取技术现状 | 第11-12页 |
| 1.3 本文研究的主要内容 | 第12-13页 |
| 1.4 论文结构安排 | 第13-14页 |
| 第2章 网站信息采集相关技术研究 | 第14-43页 |
| 2.1 网络爬虫相关技术 | 第14-21页 |
| 2.1.1 网络爬虫介绍 | 第14-17页 |
| 2.1.2 Heritrix介绍 | 第17-20页 |
| 2.1.3 HtmlUnit介绍 | 第20-21页 |
| 2.2 网页信息抽取相关技术 | 第21-25页 |
| 2.2.1 Web页面构成介绍 | 第21页 |
| 2.2.2 DOM树介绍 | 第21-23页 |
| 2.2.3 Jsoup解析器介绍 | 第23-25页 |
| 2.3 文件索引相关技术 | 第25-31页 |
| 2.3.1 全文检索技术介绍 | 第25-26页 |
| 2.3.2 Lucene介绍 | 第26-31页 |
| 2.4 系统开发相关技术 | 第31-42页 |
| 2.4.1 Struts2框架介绍 | 第31-35页 |
| 2.4.2 Spring框架介绍 | 第35-38页 |
| 2.4.3 Hibernate框架介绍 | 第38-40页 |
| 2.4.4 Ajax技术介绍 | 第40-42页 |
| 2.5 本章小结 | 第42-43页 |
| 第3章 基于爬虫的网站信息采集技术整合设计 | 第43-66页 |
| 3.1 网站信息采集技术整合设计概述 | 第43-44页 |
| 3.2 针对Heritrix爬虫的扩展设计 | 第44-49页 |
| 3.2.1 Ajax爬虫的技术难点 | 第45-47页 |
| 3.2.2 基于HtmlUnit的爬虫扩展设计 | 第47-49页 |
| 3.3 基于Jsoup的可视化信息抽取设计 | 第49-56页 |
| 3.3.1 抽取规则定义 | 第49-53页 |
| 3.3.2 抽取规则生成设计 | 第53-54页 |
| 3.3.3 信息抽取执行设计 | 第54-56页 |
| 3.4 基于Lucene和SSH2的信息检索设计 | 第56-65页 |
| 3.4.1 基于Lucene与SSH2的信息检索总体设计 | 第56-57页 |
| 3.4.2 SSH2体系整合策略 | 第57-58页 |
| 3.4.3 SSH2体系整合设计 | 第58-62页 |
| 3.4.4 SSH2体系整合特点 | 第62页 |
| 3.4.5 采集信息数据库设计 | 第62-65页 |
| 3.5 本章小结 | 第65-66页 |
| 第4章 基于爬虫的网站信息采集技术整合实现 | 第66-79页 |
| 4.1 网站信息采集技术整合应用开发环境 | 第66页 |
| 4.2 针对Heritrix爬虫扩展实现 | 第66-71页 |
| 4.2.1 基于HtmlUnit的爬虫扩展实现 | 第66-69页 |
| 4.2.2 Heritrix扩展运行展示 | 第69-71页 |
| 4.3 基于Jsoup的可视化信息抽取实现 | 第71-75页 |
| 4.3.1 网站信息抽取规则生成 | 第71-72页 |
| 4.3.2 网站信息抽取执行 | 第72-73页 |
| 4.3.3 网站信息抽取运行展示 | 第73-75页 |
| 4.4 基于Lucene与SSH2的信息检索实现 | 第75-78页 |
| 4.4.1 数据库内容索引 | 第75-76页 |
| 4.4.2 信息检索查询 | 第76-77页 |
| 4.4.3 信息检索运行展示 | 第77-78页 |
| 4.5 本章小结 | 第78-79页 |
| 第5章 总结和展望 | 第79-81页 |
| 5.1 论文总结 | 第79页 |
| 5.2 工作展望 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85页 |