| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究的背景和意义 | 第8-9页 |
| 1.2 国内外研究发展以及现状 | 第9-11页 |
| 1.2.1 动态页面解析的研究现状 | 第9-10页 |
| 1.2.2 网页去噪技术的研究现状 | 第10-11页 |
| 1.3 本文研究的主要内容 | 第11-12页 |
| 1.4 论文结构安排 | 第12-14页 |
| 第2章 相关概念介绍 | 第14-22页 |
| 2.1 Web2.0 技术简介 | 第14-15页 |
| 2.2 网页页面相关概念 | 第15-17页 |
| 2.2.1 静态页面简介 | 第15-16页 |
| 2.2.2 动态页面简介 | 第16-17页 |
| 2.3 动态网页页面涉及的关键技术介绍 | 第17-20页 |
| 2.3.1 Ajax 技术基本原理 | 第17-19页 |
| 2.3.2 Ajax 技术引发的问题 | 第19-20页 |
| 2.4 性能评价指标 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 支持动态页面的网络爬虫系统设计 | 第22-31页 |
| 3.1 网络爬虫简介 | 第22-26页 |
| 3.1.1 网络爬虫体系结构 | 第22-23页 |
| 3.1.2 网络爬虫工作原理 | 第23-24页 |
| 3.1.3 网络爬虫搜索策略 | 第24-26页 |
| 3.2 支持动态页面网络爬虫系统设计 | 第26-29页 |
| 3.2.1 系统架构设计 | 第26-28页 |
| 3.2.2 系统技术难点 | 第28-29页 |
| 3.3 支持动态页面涉及的关键技术 | 第29-30页 |
| 3.3.1 脚本的解析 | 第29页 |
| 3.3.2 浏览器对象 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 页面超链接快速提取算法 | 第31-42页 |
| 4.1 噪声链接分析 | 第31-32页 |
| 4.1.1 噪声链接简介 | 第31页 |
| 4.1.2 URL 提取效率分析 | 第31-32页 |
| 4.2 直接去噪声链接算法 | 第32-33页 |
| 4.2.1 页面 DOM 树结构特征 | 第32页 |
| 4.2.2 基于 DOM 树的方法 | 第32-33页 |
| 4.3 基于聚类的噪声链接去除方法 | 第33-39页 |
| 4.3.1 噪声链接簇的识别 | 第34页 |
| 4.3.2 K-means 聚类算法 | 第34-36页 |
| 4.3.3 Single-Pass 算法 | 第36-38页 |
| 4.3.4 基于改进 Single-Pass 算法的噪声链接去除算法 | 第38-39页 |
| 4.4 实验结果与分析 | 第39-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 支持动态页面快速 URL 提取系统的实现 | 第42-56页 |
| 5.1 页面采集模块 | 第42-44页 |
| 5.1.1 HTTP 协议简介 | 第42-44页 |
| 5.1.2 页面的采集 | 第44页 |
| 5.2 页面解析模块 | 第44-47页 |
| 5.2.1 脚本嵌入的方式 | 第44-46页 |
| 5.2.2 URL 的提取 | 第46-47页 |
| 5.3 页面 DOM 支持模块 | 第47-48页 |
| 5.3.1 Jsoup 简介 | 第47页 |
| 5.3.2 DOM 树构建与操作 | 第47-48页 |
| 5.4 事件触发模拟模块 | 第48-51页 |
| 5.4.1 HtmlUnit 简介 | 第48-49页 |
| 5.4.2 脚本事件触发的处理 | 第49-51页 |
| 5.5 页面生成模块 | 第51-52页 |
| 5.6 实验结果分析 | 第52-54页 |
| 5.7 本章小结 | 第54-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62页 |