一种高性能网络爬虫系统关键技术研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 课题研究内容 | 第11-12页 |
| 1.3 论文组织结构 | 第12-14页 |
| 第2章 相关理论研究及国内外研究现状 | 第14-22页 |
| 2.1 引言 | 第14页 |
| 2.2 网络爬虫介绍 | 第14页 |
| 2.3 网络爬虫目标链接提取技术研究现状 | 第14-18页 |
| 2.3.1 待爬链接去重 | 第15-16页 |
| 2.3.2 相关链接提取 | 第16-18页 |
| 2.4 网络爬虫业务数据缓存技术研究现状 | 第18-21页 |
| 2.4.1 网页数据缓存 | 第18-20页 |
| 2.4.2 DNS缓存 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 网络爬虫目标链接提取技术研究 | 第22-42页 |
| 3.1 引言 | 第22页 |
| 3.2 基于布隆过滤器的非重复链接提取模型 | 第22-28页 |
| 3.2.1 经典布隆过滤器模型 | 第22-25页 |
| 3.2.2 基于链接特征的多级动态布隆过滤器 | 第25-28页 |
| 3.3 一种基于链接属性的相关链接提取算法 | 第28-33页 |
| 3.3.1 相关链接提取算法分析 | 第28-29页 |
| 3.3.2 基于链接属性的相关链接提取算法 | 第29-33页 |
| 3.4 实验结果与分析 | 第33-40页 |
| 3.4.1 实验方案 | 第33-34页 |
| 3.4.2 实验结果 | 第34-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第4章 网络爬虫业务数据缓存技术研究 | 第42-60页 |
| 4.1 引言 | 第42页 |
| 4.2 一种网页数据缓存管理优化模型 | 第42-49页 |
| 4.2.1 内存管理模型 | 第42-45页 |
| 4.2.2 网页数据缓存管理优化模型 | 第45-49页 |
| 4.3 一种基于预解析及分组哈希的DNS缓存策略 | 第49-54页 |
| 4.3.1 常用DNS缓存技术 | 第49-51页 |
| 4.3.2 基于预解析及分组哈希的DNS缓存策略 | 第51-54页 |
| 4.4 实验结果与分析 | 第54-59页 |
| 4.4.1 实验方案 | 第54-55页 |
| 4.4.2 实验结果 | 第55-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 一种高性能网络爬虫系统的设计与实现 | 第60-68页 |
| 5.1 引言 | 第60页 |
| 5.2 系统设计目标 | 第60页 |
| 5.3 系统总体设计 | 第60-63页 |
| 5.3.1 系统模块划分 | 第60-61页 |
| 5.3.2 系统工作流程 | 第61-63页 |
| 5.4 系统具体实现 | 第63-66页 |
| 5.5 系统功能与性能测试 | 第66-67页 |
| 5.5.1 系统功能测试 | 第66页 |
| 5.5.2 系统性能测试 | 第66-67页 |
| 5.6 本章小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第73-74页 |
| 致谢 | 第74页 |
