支持JavaScript解析的網(wǎng)頁(yè)采集系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf_第1頁(yè)
已閱讀1頁(yè)，還剩79頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明：本文檔由用戶(hù)提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著搜索引擎的廣泛應(yīng)用，網(wǎng)頁(yè)采集技術(shù)得到了長(zhǎng)足發(fā)展。網(wǎng)頁(yè)采集是搜索引擎工作流程的第一站，采集的頁(yè)面質(zhì)量將直接影響到搜索引擎提供查詢(xún)服務(wù)的優(yōu)劣。最理想的情形是采集與用戶(hù)視覺(jué)信息一致(Coherent with Users' Vision Information，CUVI)的頁(yè)面，這一概念一直是搜索引擎領(lǐng)域的盲點(diǎn)。
　　 針對(duì)這一盲點(diǎn)，本文以抓取CUVI頁(yè)面為宗旨設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)網(wǎng)頁(yè)采集系統(tǒng)。抓取CUVI頁(yè)面首先需要進(jìn)行網(wǎng)頁(yè)重定向的

2、處理操作，這是頁(yè)面內(nèi)JavaScript程序的主要功能之一。本文采集系統(tǒng)通過(guò)將JavaScript解析引入采集系統(tǒng)設(shè)計(jì)中，在很大程度上解決采集CUVI頁(yè)面的問(wèn)題。
　　 本文主要內(nèi)容分JavaScript解析和采集系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)兩部分展開(kāi)。
　　 JavaScript(JS)解析部分，首先分析處理JavaScript的必要性，通過(guò)對(duì)典型數(shù)據(jù)進(jìn)行調(diào)研分析，得到了JS程序在HTML文檔中的功能分布。然后，根據(jù)采集系統(tǒng)對(duì)Jav

3、aScript解析的需求設(shè)計(jì)并實(shí)現(xiàn)了簡(jiǎn)易JS解析器--JSParser。最后，通過(guò)實(shí)驗(yàn)驗(yàn)證JSParser無(wú)論在性能上還是在功能上都能滿(mǎn)足本文采集系統(tǒng)的需求。
　　 本文的采集系統(tǒng)由采集器和控制器兩個(gè)模塊組成。采集器在設(shè)計(jì)上，創(chuàng)新性地引入頁(yè)面分析功能，并結(jié)合使用JSParser，達(dá)到了采集CUVI頁(yè)面的初衷；在實(shí)現(xiàn)上，采用EPOLL技術(shù)解決了采集器對(duì)高并發(fā)度的要求?？刂破骶S護(hù)一個(gè)站點(diǎn)IP FIFO(Fist In Fist Ou

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論