面向主题的多线程网络爬虫的设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.2.3 发展趋势 | 第11-12页 |
| 1.3 本文内容和安排 | 第12-13页 |
| 第2章 相关概念及关键技术 | 第13-25页 |
| 2.1 网络爬虫概述 | 第13页 |
| 2.2 通用爬虫 | 第13-16页 |
| 2.2.1 体系结构 | 第13-14页 |
| 2.2.2 搜索策略 | 第14-16页 |
| 2.3 主题爬虫 | 第16-18页 |
| 2.3.1 体系结构与工作流程 | 第16-17页 |
| 2.3.2 搜索策略 | 第17-18页 |
| 2.4 网页预处理 | 第18-20页 |
| 2.4.1 网页内容结构化 | 第18页 |
| 2.4.2 页面内容的提取与去重 | 第18-20页 |
| 2.5 基于内容评价的搜索策略 | 第20-21页 |
| 2.5.1 Fish-Search算法 | 第20-21页 |
| 2.5.2 Shark-Search算法 | 第21页 |
| 2.6 基于链接分析的搜索策略 | 第21-25页 |
| 2.6.1 PageRank算法 | 第21-23页 |
| 2.6.2 HITS算法 | 第23-25页 |
| 第3章 需求分析 | 第25-28页 |
| 3.1 业务分析 | 第25-26页 |
| 3.2 功能性需求 | 第26-27页 |
| 3.3 非功能性需求 | 第27-28页 |
| 第4章 基本架构和总体设计 | 第28-37页 |
| 4.1 基本架构 | 第28-29页 |
| 4.2 功能模块的设计 | 第29-34页 |
| 4.2.1 爬行控制 | 第29页 |
| 4.2.2 页面采集 | 第29-30页 |
| 4.2.3 URL管理 | 第30页 |
| 4.2.4 页面分析 | 第30-31页 |
| 4.2.5 相关度评价 | 第31-32页 |
| 4.2.6 多线程管理 | 第32-34页 |
| 4.3 数据库设计 | 第34-35页 |
| 4.4 web平台设计 | 第35-37页 |
| 第5章 功能模块的实现 | 第37-49页 |
| 5.1 开发环境及工具 | 第37-38页 |
| 5.2 网页抓取模块组的实现 | 第38-45页 |
| 5.2.1 爬行控制模块 | 第38页 |
| 5.2.2 页面采集模块 | 第38-40页 |
| 5.2.3 URL管理模块 | 第40-41页 |
| 5.2.4 页面分析模块 | 第41-42页 |
| 5.2.5 相关度评价模块 | 第42-44页 |
| 5.2.6 线程池模块 | 第44-45页 |
| 5.3 前端展示模块组的实现 | 第45-49页 |
| 5.3.1 数据存储 | 第45-46页 |
| 5.3.2 web应用平台 | 第46-49页 |
| 第6章 系统测试分析 | 第49-54页 |
| 6.1 测试环境说明 | 第49页 |
| 6.2 测试结果及分析 | 第49-52页 |
| 6.2.1 功能测试 | 第49-51页 |
| 6.2.2 性能测试 | 第51-52页 |
| 6.3 总结 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 在校期间的科研成果 | 第56-57页 |
| 致谢 | 第57页 |
