互联网数据增量采集系统的设计与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-13页 |
| 1.1. 研究背景与意义 | 第9页 |
| 1.2. 国内外研究现状 | 第9-10页 |
| 1.3. 研究内容与本文工作 | 第10-12页 |
| 1.4. 论文内容与结构 | 第12-13页 |
| 第二章 技术介绍与需求分析 | 第13-21页 |
| 2.1. 技术介绍 | 第13-18页 |
| 2.1.1. Heritrix | 第13-17页 |
| 2.1.2. Spring | 第17-18页 |
| 2.2. 需求分析 | 第18-21页 |
| 2.2.1. 增量采集功能 | 第18页 |
| 2.2.2. 多任务机制 | 第18-19页 |
| 2.2.3. 快速开发接口 | 第19页 |
| 2.2.4. 爬虫工具包 | 第19-20页 |
| 2.2.5. 数据存储 | 第20-21页 |
| 第三章 增量采集系统的设计 | 第21-40页 |
| 3.1. 系统设计目标 | 第21页 |
| 3.2. 系统总体框架 | 第21-22页 |
| 3.3. 系统功能设计 | 第22-40页 |
| 3.3.1. 增量控制 | 第23-26页 |
| 3.3.2. 爬虫任务管理 | 第26-28页 |
| 3.3.3. 快速开发接口 | 第28-32页 |
| 3.3.4. 爬虫工具类 | 第32-36页 |
| 3.3.5. 增量策略 | 第36-37页 |
| 3.3.6. 数据存储 | 第37-38页 |
| 3.3.7. 增量统计 | 第38-40页 |
| 第四章 增量采集系统的实现 | 第40-58页 |
| 4.1. 系统核心功能 | 第40-50页 |
| 4.1.1. 爬虫任务管理 | 第41-43页 |
| 4.1.2. 任务配置 | 第43页 |
| 4.1.3. 增量控制 | 第43-45页 |
| 4.1.4. 任务开发接口 | 第45-46页 |
| 4.1.5. 爬虫代理 | 第46-47页 |
| 4.1.6. 链接队列 | 第47-48页 |
| 4.1.7. js动态解析 | 第48页 |
| 4.1.8. 增量统计 | 第48-49页 |
| 4.1.9. 数据存储 | 第49-50页 |
| 4.2. 爬虫任务开发 | 第50-58页 |
| 4.2.1. 确定数据源 | 第51页 |
| 4.2.2. 接口实现 | 第51-53页 |
| 4.2.3. 任务开发过程 | 第53-58页 |
| 第五章 系统应用与测试 | 第58-66页 |
| 5.1. 系统部署 | 第58-59页 |
| 5.1.1. 部署环境 | 第58页 |
| 5.1.2. 部署步骤 | 第58-59页 |
| 5.2. 系统测试 | 第59-64页 |
| 5.2.1. 功能测试 | 第59-62页 |
| 5.2.2. 性能测试 | 第62-64页 |
| 5.3. 测试总结 | 第64-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1. 总结 | 第66页 |
| 6.2. 展望 | 第66-68页 |
| 参考文献 | 第68-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间发表的学术论文目录 | 第71页 |
