| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文主要研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 相关技术研究 | 第14-25页 |
| 2.1 网络爬虫技术 | 第14-19页 |
| 2.1.1 网络爬虫系统的工作原理 | 第14-15页 |
| 2.1.2 网络爬虫的抓取策略 | 第15-17页 |
| 2.1.3 网络爬虫系统的基本结构 | 第17-18页 |
| 2.1.4 分布式网络爬虫原理 | 第18-19页 |
| 2.2 异步加载技术 | 第19-20页 |
| 2.3 Hadoop分布式系统相关知识 | 第20-23页 |
| 2.3.1 HDFS文件系统 | 第21-22页 |
| 2.3.2 Map/Reduce编程模型 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 国内主流电商网站相关技术调研和系统需求分析 | 第25-33页 |
| 3.1 电商网站站点结构分析 | 第25-30页 |
| 3.1.1 网站三级结构化 | 第25-28页 |
| 3.1.2 商品信息非结构化 | 第28-30页 |
| 3.2 商品信息抽取面临的主要问题 | 第30-32页 |
| 3.2.1 AJAX技术的广泛应用 | 第31页 |
| 3.2.2 网页层次感和交互性加强 | 第31-32页 |
| 3.3 数据完备性 | 第32页 |
| 3.4 数据重复性 | 第32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 系统功能设计与实现 | 第33-54页 |
| 4.1 系统整体框架的设计 | 第33-40页 |
| 4.1.1 商品链接提取模块的功能设计与分布式实现 | 第34-37页 |
| 4.1.2 商品信息抽取模块的功能设计与分布式实现 | 第37-40页 |
| 4.2 自配置功能的设计与实现 | 第40-41页 |
| 4.3 静态页面和动态页面相结合的解析策略 | 第41-44页 |
| 4.4 商品信息特征库的建立 | 第44-46页 |
| 4.4.1 正则表达式 | 第44页 |
| 4.4.2 XPATH | 第44-46页 |
| 4.5 商品信息抽取规则建模 | 第46-47页 |
| 4.6 基于自适应步长的价格区间划分算法的设计与实现 | 第47-49页 |
| 4.7 基于布隆过滤器的二次去重策略 | 第49-53页 |
| 4.8 本章小结 | 第53-54页 |
| 第五章 系统性能分析与评价 | 第54-61页 |
| 5.1 系统运行结果展示 | 第54-57页 |
| 5.2 系统性能分析 | 第57-59页 |
| 5.3 本系统与单机爬虫系统的比较 | 第59-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 论文总结 | 第61-62页 |
| 6.2 下一步工作 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间发表的学术论文目录 | 第67页 |
