分布式智能网络爬虫的设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 本课题的研究进展 | 第11-13页 |
| 1.2.1 相关爬虫的特点 | 第11-12页 |
| 1.2.2 Web信息抽取 | 第12-13页 |
| 1.3 本课题主要研究内容 | 第13-16页 |
| 第二章 相关理论与技术 | 第16-28页 |
| 2.1 网络爬虫 | 第16-19页 |
| 2.1.1 爬虫基本原理及结构 | 第16-17页 |
| 2.1.2 礼貌采集 | 第17页 |
| 2.1.3 网络爬虫分类 | 第17-19页 |
| 2.2 网页采集策略 | 第19-20页 |
| 2.2.1 广度优先策略 | 第19页 |
| 2.2.2 深度优先策略 | 第19-20页 |
| 2.2.3 最佳优先策略 | 第20页 |
| 2.3 DNS缓存 | 第20-21页 |
| 2.4 URL去重技术 | 第21页 |
| 2.5 一致性哈希算法 | 第21-23页 |
| 2.6 深层网络采集技术 | 第23-24页 |
| 2.6.1 动态页面渲染技术 | 第23-24页 |
| 2.6.2 自动导航技术 | 第24页 |
| 2.7 分布式文件系统 | 第24-26页 |
| 2.8 本章小结 | 第26-28页 |
| 第三章 分布式智能网络爬虫系统设计 | 第28-34页 |
| 3.1 系统设计目标 | 第28页 |
| 3.2 系统整体设计 | 第28-31页 |
| 3.2.1 设计基本思路 | 第28-29页 |
| 3.2.2 系统整体架构 | 第29-30页 |
| 3.2.3 网站采集处理流程 | 第30-31页 |
| 3.3 系统主要模块功能划分 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 分布式智能网络爬虫系统实现 | 第34-76页 |
| 4.1 种子调度模块实现 | 第34-38页 |
| 4.1.1 种子智能调度实现原理 | 第34-37页 |
| 4.1.2 种子智能调度算法实现 | 第37-38页 |
| 4.2 种子智能分析模块实现 | 第38-52页 |
| 4.2.1 种子智能分析的原理 | 第39-40页 |
| 4.2.2 种子智能分析算法实现 | 第40-52页 |
| 4.3 URL去重模块实现 | 第52-54页 |
| 4.4 网页下载器模块实现 | 第54-61页 |
| 4.4.1 下载器模块的结构实现 | 第55-57页 |
| 4.4.2 下载器模块智能线程执行器实现 | 第57-58页 |
| 4.4.3 下载器模块DNS缓存实现 | 第58-60页 |
| 4.4.4 下载器动态页面渲染实现 | 第60-61页 |
| 4.5 网页自动导航浏览技术实现 | 第61-65页 |
| 4.6 网页抽取模块实现 | 第65-66页 |
| 4.7 数据存储模块实现 | 第66-71页 |
| 4.7.1 数据储存架构 | 第67-70页 |
| 4.7.2 采集数据存储 | 第70-71页 |
| 4.8 智能监控模块实现 | 第71-74页 |
| 4.9 本章小结 | 第74-76页 |
| 第五章 系统测试和分析 | 第76-84页 |
| 5.1 系统部署环境 | 第76-77页 |
| 5.2 系统功能测试 | 第77-79页 |
| 5.3 系统性能测试与分析 | 第79-82页 |
| 5.4 本章小结 | 第82-84页 |
| 第六章 结论与展望 | 第84-86页 |
| 6.1 论文工作总结 | 第84-85页 |
| 6.2 未来工作展望 | 第85-86页 |
| 参考文献 | 第86-90页 |
| 致谢 | 第90-92页 |
| 个人简历 | 第92页 |
