面向统计数据的网络信息抓取系统设计与实现--以上海市社会经济决策咨询GIS系统数据更新为例
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景 | 第10页 |
| ·研究内容 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·系统框架 | 第12页 |
| ·组织结构 | 第12-14页 |
| 第二章 相关研究进展 | 第14-18页 |
| ·上海市社会经济决策咨询GIS系统 | 第14-15页 |
| ·网络信息抓取技术研究现状 | 第15-18页 |
| ·网页解析器 | 第15页 |
| ·网络爬虫 | 第15-16页 |
| ·中文分词 | 第16-18页 |
| 第三章 社会经济统计数据特征分析 | 第18-21页 |
| ·总体特征分析 | 第18页 |
| ·系统数据特征分析 | 第18-19页 |
| ·数据抓取来源特点分析 | 第19-21页 |
| 第四章 网页解析 | 第21-41页 |
| ·网页的DOM树 | 第21-22页 |
| ·核心技术：Parser类 | 第22-23页 |
| ·Parser类的过滤器：Filter类 | 第23-24页 |
| ·网页解析流程 | 第24-25页 |
| ·结构化网页解析 | 第25-34页 |
| ·统计年鉴目录获取 | 第26-27页 |
| ·表格网页的结构 | 第27-28页 |
| ·TableRow和TableColumn | 第28-30页 |
| ·rowspan和colspan | 第30页 |
| ·表格数据解析和提取 | 第30-34页 |
| ·普通文本网页解析 | 第34-41页 |
| ·统计公报列表获取 | 第36页 |
| ·网页主体内容抽取 | 第36-39页 |
| ·统计公报数据提取 | 第39-41页 |
| 第五章 文本信息提取 | 第41-46页 |
| ·中文分词技术 | 第41-43页 |
| ·分词词典 | 第41-42页 |
| ·基于统计的分词算法 | 第42-43页 |
| ·社会经济指标数据提取 | 第43-46页 |
| ·简单匹配 | 第43-44页 |
| ·前瞻搜索和后视搜索 | 第44-45页 |
| ·指标数据特殊情况处理 | 第45-46页 |
| 第六章 异构数据解析 | 第46-49页 |
| ·异构数据表现形式 | 第46页 |
| ·DOC文档解析 | 第46-47页 |
| ·PDF文档解析 | 第47-49页 |
| 第七章 系统运行情况及分析 | 第49-53页 |
| ·系统数据更新 | 第49-51页 |
| ·统计年鉴数据更新 | 第49-50页 |
| ·统计公报数据更新 | 第50-51页 |
| ·系统运行结果 | 第51-53页 |
| 第八章 总结与展望 | 第53-54页 |
| ·论文成果总结 | 第53页 |
| ·未来展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 后记 | 第57页 |
