定向互联网站点数据爬虫及应用服务接口的设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 引言 | 第12-20页 |
| 1.1 项目背景 | 第12页 |
| 1.2 开发背景 | 第12-13页 |
| 1.3 本人工作 | 第13页 |
| 1.4 本文的解决方案 | 第13-19页 |
| 1.4.1 线程安全 | 第13-14页 |
| 1.4.2 双端队列 | 第14-15页 |
| 1.4.3 数据耦合 | 第15-16页 |
| 1.4.4 动态代理 | 第16页 |
| 1.4.5 定向爬虫 | 第16-17页 |
| 1.4.6 生产者-消费者模式 | 第17-18页 |
| 1.4.7 定期切库 | 第18-19页 |
| 1.5 本文的组织结构 | 第19-20页 |
| 第二章 技术综述 | 第20-27页 |
| 2.1 爬虫模块 | 第20-22页 |
| 2.1.1 BeautifulSoup | 第20-21页 |
| 2.1.2 Requests | 第21页 |
| 2.1.3 Python threading | 第21-22页 |
| 2.1.4 Python logging | 第22页 |
| 2.2 Mysql数据库 | 第22-23页 |
| 2.3 后端服务模块 | 第23-26页 |
| 2.3.1 RESTful Webservice | 第23-24页 |
| 2.3.2 Json | 第24页 |
| 2.3.3 Gson | 第24-25页 |
| 2.3.4 Tomcat | 第25页 |
| 2.3.5 CXF Framework | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 系统分析与设计 | 第27-42页 |
| 3.1 项目总体规划 | 第27页 |
| 3.2 需求分析 | 第27-29页 |
| 3.2.1 爬虫模块需求 | 第27-28页 |
| 3.2.2 后端服务模块需求 | 第28-29页 |
| 3.3 系统总体设计 | 第29-30页 |
| 3.4 爬虫模块整体设计 | 第30-36页 |
| 3.4.1 定向设计 | 第32-33页 |
| 3.4.2 多线程 | 第33页 |
| 3.4.3 网络请求 | 第33页 |
| 3.4.4 代理队列 | 第33-34页 |
| 3.4.5 网页解析 | 第34页 |
| 3.4.6 两级爬虫体系 | 第34-35页 |
| 3.4.7 异常处理 | 第35页 |
| 3.4.8 数据持久化 | 第35页 |
| 3.4.9 定期切库 | 第35-36页 |
| 3.4.10 日志 | 第36页 |
| 3.5 后端服务模块整体设计 | 第36-38页 |
| 3.5.1 整体设计 | 第36-37页 |
| 3.5.2 商户API | 第37页 |
| 3.5.3 雷达API | 第37-38页 |
| 3.5.4 天气API | 第38页 |
| 3.5.5 其他API | 第38页 |
| 3.6 数据库设计 | 第38-41页 |
| 3.6.1 商户表 | 第39-40页 |
| 3.6.2 代理表 | 第40页 |
| 3.6.3 切库状态表 | 第40-41页 |
| 3.7 本章小结 | 第41-42页 |
| 第四章 系统实现 | 第42-66页 |
| 4.1 爬虫模块具体实现 | 第42-55页 |
| 4.1.1 多线程 | 第42-43页 |
| 4.1.2 线程交互数据结构 | 第43-44页 |
| 4.1.3 网络请求 | 第44-45页 |
| 4.1.4 全局数据结构 | 第45-47页 |
| 4.1.5 网页解析 | 第47-49页 |
| 4.1.6 数据持久化 | 第49-50页 |
| 4.1.7 一级爬虫具体实现 | 第50-52页 |
| 4.1.8 二级爬虫具体实现 | 第52-53页 |
| 4.1.9 其他实现 | 第53-54页 |
| 4.1.10 模块启动入口 | 第54-55页 |
| 4.2 后端服务模块具体实现 | 第55-65页 |
| 4.2.1 商户API具体实现 | 第56-58页 |
| 4.2.2 雷达API具体实现 | 第58页 |
| 4.2.3 天气API具体实现 | 第58-59页 |
| 4.2.4 其他API具体实现 | 第59-60页 |
| 4.2.5 后端向外部信息源请求数据 | 第60-61页 |
| 4.2.6 缓存实现 | 第61-63页 |
| 4.2.7 切库实现 | 第63-65页 |
| 4.3 本章小结 | 第65-66页 |
| 第五章 系统性能与优化 | 第66-72页 |
| 5.1 爬虫模块性能参数 | 第66页 |
| 5.2 后端服务模块性能参数 | 第66-67页 |
| 5.3 爬虫模块优化方案 | 第67-70页 |
| 5.3.1 线程数量配比合理化 | 第67-68页 |
| 5.3.2 拟人化的用户操作模拟 | 第68页 |
| 5.3.3 完善代码结构 | 第68页 |
| 5.3.4 断点继续 | 第68-69页 |
| 5.3.5 分布式爬虫 | 第69-70页 |
| 5.4 后端服务模块优化方案 | 第70页 |
| 5.4.1 框架选择 | 第70页 |
| 5.4.2 缓存服务器 | 第70页 |
| 5.4.3 安全性 | 第70页 |
| 5.5 本章小结 | 第70-72页 |
| 第六章 总结与展望 | 第72-73页 |
| 6.1 总结 | 第72页 |
| 6.2 进一步工作展望 | 第72-73页 |
| 参考文献 | 第73-75页 |
| 致谢 | 第75-76页 |
| 版权及论文原创性说明 | 第76-77页 |
