| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 博客研究 | 第11页 |
| 1.2.2 主题爬虫 | 第11-13页 |
| 1.3 研究内容和方法 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 2 面向博客的主题爬虫关键技术研究 | 第15-30页 |
| 2.1 博客基本特征分析 | 第15-16页 |
| 2.2 采集策略 | 第16-17页 |
| 2.2.1 博客采集 | 第16页 |
| 2.2.2 基于链接类型的采集策略 | 第16-17页 |
| 2.3 主题相关性判断 | 第17-21页 |
| 2.4 博文自动分类 | 第21-28页 |
| 2.5 本章小结 | 第28-30页 |
| 3 面向博客的主题爬虫设计 | 第30-38页 |
| 3.1 爬虫基本原理和框架 | 第30-32页 |
| 3.1.1 通用爬虫技术 | 第30-31页 |
| 3.1.2 主题爬虫技术 | 第31-32页 |
| 3.2 面向博客的主题爬虫框架 | 第32-36页 |
| 3.2.1 爬虫框架的选择 | 第32-33页 |
| 3.2.2 基于webmagic的主题爬虫框架改造 | 第33-34页 |
| 3.2.3 数据库设计 | 第34-36页 |
| 3.3 本章小结 | 第36-38页 |
| 4 面向博客的主题爬虫系统实现 | 第38-54页 |
| 4.1 爬虫初始化 | 第38-41页 |
| 4.1.1 种子管理 | 第38-39页 |
| 4.1.2 爬虫定时器 | 第39-41页 |
| 4.2 博客爬取 | 第41-45页 |
| 4.2.1 多线程 | 第41-42页 |
| 4.2.2 增量爬取 | 第42页 |
| 4.2.3 主题相似度计算 | 第42-44页 |
| 4.2.4 博文网页下载与保存 | 第44-45页 |
| 4.3 内容抽取 | 第45-48页 |
| 4.3.1 抽取定时器 | 第45-46页 |
| 4.3.2 博文分类 | 第46-47页 |
| 4.3.3 博文管理 | 第47-48页 |
| 4.4 系统展示 | 第48-53页 |
| 4.4.1 系统功能 | 第48-50页 |
| 4.4.2 系统开发运行环境 | 第50-51页 |
| 4.4.3 爬虫监控 | 第51-52页 |
| 4.4.4 爬虫评价 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 5 爬虫在博客分析中的应用研究 | 第54-58页 |
| 5.1 研究主题偏好分析 | 第54-56页 |
| 5.2 研究趋势分析 | 第56-57页 |
| 5.3 本章小结 | 第57-58页 |
| 6 总结与展望 | 第58-60页 |
| 6.1 研究总结 | 第58-59页 |
| 6.1.1 论文总结 | 第58页 |
| 6.1.2 研究的特色与创新之处 | 第58-59页 |
| 6.2 研究的局限性与研究展望 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 攻读学位期间参与科研项目 | 第62-63页 |
| 致谢 | 第63页 |