已閱讀1頁,還剩49頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、現(xiàn)代社會互聯(lián)網技術日新月異,互聯(lián)網產品也如雨后春筍一般層出不窮,AJAX技術越來越受到開發(fā)者的青睞。此技術對傳統(tǒng)的網絡爬蟲卻是不友好的,使用傳統(tǒng)的網頁抓取方式獲得內容是不完整的,因此,研究支持AJAX的網絡爬蟲系統(tǒng),具有重要的現(xiàn)實意義。
本文首先調研了異步加載網頁獲取方式的國內外研究現(xiàn)狀,闡述了其收錄困難的原因,分析了當前抓取方案的優(yōu)勢和不足,提出了調用瀏覽器接口請求并獲取網頁的方案。其次,為了提高網頁抓取效率,協(xié)調好AJAX
2、爬蟲和靜態(tài)網頁爬蟲的資源調配,本文提出了一個網頁屬性分類器的解決方案,此方案能通過網頁處理模塊的正文抽取結果反饋并修正分類結果,根據分類結果對不同的網頁采取不同的抓取方法。最后,為了維護分布式系統(tǒng)的健康運行,系統(tǒng)設計了心跳信息監(jiān)測模塊,此模塊將收集分布式系統(tǒng)的心跳信息并統(tǒng)計分析系統(tǒng)健康度。
本文所研究和實現(xiàn)的支持AJAX的分布式爬蟲系統(tǒng),能夠收錄異步加載的網頁和普通的靜態(tài)頁面,并能夠實現(xiàn)抓取任務高效的分配,為異步加載網頁的抓取
溫馨提示
- 1. 本站所有資源如無特殊說明,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,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 分布式網絡爬蟲系統(tǒng)的設計與實現(xiàn).pdf
- 支持AJAX的網絡爬蟲系統(tǒng)設計與實現(xiàn).pdf
- 分布式爬蟲任務調度與AJAX頁面抓取研究.pdf
- 基于分布式的網絡爬蟲系統(tǒng)的研究與實現(xiàn).pdf
- 分布式網絡爬蟲的研究與實現(xiàn).pdf
- 支持動態(tài)網頁解析的分布式網絡爬蟲系統(tǒng)的設計與實現(xiàn).pdf
- 分布式視頻搜索爬蟲系統(tǒng)的設計與實現(xiàn).pdf
- 分布式書籍網絡爬蟲系統(tǒng)的設計與實現(xiàn).pdf
- 分布式網絡爬蟲技術的研究與實現(xiàn).pdf
- 支持Ajax技術的主題網絡爬蟲系統(tǒng)研究與實現(xiàn).pdf
- 分布式聚焦網絡爬蟲系統(tǒng)的設計與實現(xiàn).pdf
- 支持Ajax的Deep Web爬蟲設計與實現(xiàn).pdf
- 分布式在線圖書爬蟲系統(tǒng)的設計與實現(xiàn).pdf
- 基于Groovy的分布式網絡爬蟲系統(tǒng)的設計與實現(xiàn).pdf
- 基于hadoop的分布式網絡爬蟲研究與實現(xiàn).pdf
- 分布式主題網絡爬蟲的設計與實現(xiàn).pdf
- 分布式網絡爬蟲技術研究與實現(xiàn).pdf
- 基于Hadoop的分布式網絡爬蟲系統(tǒng)的設計與實現(xiàn).pdf
- 利用Nutch研究與實現(xiàn)支持Ajax動態(tài)網頁的網絡爬蟲系統(tǒng).pdf
- 一種面向主題的分布式爬蟲系統(tǒng)的研究與實現(xiàn).pdf
評論
0/150
提交評論