基于java的網(wǎng)絡(luò)爬蟲的設(shè)計與實現(xiàn)

1、摘要Ⅰ摘要網(wǎng)絡(luò)爬蟲是一種自動搜集互聯(lián)網(wǎng)信息的程序。通過網(wǎng)絡(luò)爬蟲不僅能夠為搜索引擎采集網(wǎng)絡(luò)信息，而且可以作為定向信息采集器，定向采集某些網(wǎng)站下的特定信息，如招聘信息，租房信息等。本文通過JAVA實現(xiàn)了一個基于廣度優(yōu)先算法的多線程爬蟲程序。本論文闡述了網(wǎng)絡(luò)爬蟲實現(xiàn)中一些主要問題：為何使用廣度優(yōu)先的爬行策略，以及如何實現(xiàn)廣度優(yōu)先爬行；為何要使用多線程，以及如何實現(xiàn)多線程；系統(tǒng)實現(xiàn)過程中的數(shù)據(jù)存儲；網(wǎng)頁信息解析等。通過實現(xiàn)這一爬蟲程序，可以搜集

2、某一站點的URLs，并將搜集到的URLs存入數(shù)據(jù)庫。【關(guān)鍵字】網(wǎng)絡(luò)爬蟲；JAVA；廣度優(yōu)先；多線程。目錄第一章第一章引言引言..................................................................................................................1第二章第二章相關(guān)技術(shù)介紹相關(guān)技術(shù)介紹.........................

3、.........................................................................22.1JAVA線程......................................................22.1.1線程概述..................................................22.1.2JAVA線程模型.........

4、....................................22.1.3創(chuàng)建線程..................................................32.1.4JAVA中的線程的生命周期....................................42.1.5JAVA線程的結(jié)束方式........................................42.1.6多線程同步.

5、...............................................52.2URL消重.......................................................52.2.1URL消重的意義.............................................52.2.2網(wǎng)絡(luò)爬蟲URL去重儲存庫設(shè)計..............................

6、..52.2.3LRU算法實現(xiàn)URL消重.......................................72.3URL類訪問網(wǎng)絡(luò).................................................82.4爬行策略淺析.................................................82.4.1寬度或深度優(yōu)先搜索策略........................

7、.............82.4.2聚焦搜索策略..............................................92.4.3基于內(nèi)容評價的搜索策略.....................................92.4.4基于鏈接結(jié)構(gòu)評價的搜索策略...............................102.4.5基于鞏固學(xué)習(xí)的聚焦搜索...........................

8、........112.4.6基于語境圖的聚焦搜索.....................................11第三章第三章系統(tǒng)需求分析及模塊設(shè)計系統(tǒng)需求分析及模塊設(shè)計............................................................................13133.1系統(tǒng)需求分析.......................................

9、..........133.2SPIDER體系結(jié)構(gòu)...............................................133.3各主要功能模塊（類）設(shè)計.....................................143.4SPIDER工作過程...............................................14第四章第四章系統(tǒng)分析與設(shè)計系統(tǒng)分析與設(shè)計..........

10、..................................................................................16164.1SPIDER構(gòu)造分析...............................................164.2爬行策略分析.................................................174.3URL抽取，解析和

11、保存..........................................184.3.1URL抽取..................................................184.3.2URL解析..................................................194.3.3URL保存........................................

12、..........19第五章第五章系統(tǒng)實現(xiàn)系統(tǒng)實現(xiàn)........................................................................................................21215.1實現(xiàn)工具.....................................................215.2爬蟲工作.................