主题爬虫的研究与实现

摘要	第1-6页
Abstract	第6-9页
第1章 绪论	第9-13页
·研究背景及意义	第9-10页
·研究现状	第10-11页
·研究内容及组织结构	第11-13页
第2章 主题爬虫研究	第13-23页
·爬虫工作原理	第13-17页
·抓取策略	第14页
·抓取权限	第14-15页
·信息提取	第15-16页
·动态网页的抓取	第16页
·网页的更新	第16-17页
·主题采集策略	第17-23页
·基于网页内容的方法	第17-19页
·基于Web链接分析的方法	第19-23页
第3章 主题爬虫的设计	第23-33页
·系统结构	第23-25页
·数据结构	第25-28页
·存储文件	第28-29页
·文本文件	第28页
·Url信息库	第28-29页
·网页信息库	第29页
·主题采集策略	第29-33页
第4章 主题爬虫的实现	第33-53页
·种子注入	第33-34页
·抓取	第34-41页
·HTTP文件抓取	第35-38页
·FTP文件抓取	第38-41页
·FILE文件抓取	第41页
·解析	第41-46页
·XML类文档解析	第41-44页
·Microsoft DOC类文档解析	第44-45页
·PDF文档解析	第45-46页
·文本训练及页面的主题判定	第46-49页
·Url更新及主题预测	第49-53页
第5章 测试与分析	第53-63页
·运行	第53-56页
·测试	第56-63页
·页面主题判定单元测试	第56-58页
·Url主题预测单元测试	第58-60页
·总体性能	第60-63页
第6章 结束语	第63-65页
·工作总结	第63页
·进一步工作	第63-65页
参考文献	第65-67页
致谢	第67-69页
硕士期间发表的论文	第69页