2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩91頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、快速增長的網(wǎng)絡(luò)信息資源已經(jīng)成為一個巨大的信息寶藏。實際上通用搜索引擎僅能檢索到整個網(wǎng)絡(luò)資源的一小部分信息(稱之為Surface Web),而大部分更有價值的信息資源卻不能夠被通用搜索引擎檢索,這些不能被檢索到的信息就稱為Deep Web。對Deep Web中信息獲取的研究已經(jīng)越來越受到人們的關(guān)注。
   在Deep Web中,有相當(dāng)一部分內(nèi)容因為以動態(tài)網(wǎng)頁的形式存在而不能被有效抓取。究其因為是,目前很多網(wǎng)站通過動態(tài)腳本的方式與用

2、戶進行交互,特別是以Ajax為代表的技術(shù)在網(wǎng)站開發(fā)中得到了廣泛應(yīng)用。Ajax技術(shù)改變了傳統(tǒng)的基于靜態(tài)頁面的網(wǎng)站架構(gòu),在提高用戶體驗度的同時,由于其特性如JavaScript事件執(zhí)行、狀態(tài)識別與切換等,導(dǎo)致使用Ajax技術(shù)的網(wǎng)站及其后臺服務(wù)器資源無法被通用網(wǎng)絡(luò)爬蟲抓取,成為了不同于Surface Web的Deep Web資源。針對如何獲取這類使用Ajax技術(shù)的網(wǎng)站信息的問題研究將變得越來越重要,因此,實現(xiàn)此類信息的獲取成為了本文工作的出發(fā)

3、點。本文的主要研究內(nèi)容如下:
   (1)研究了通用網(wǎng)絡(luò)爬蟲的體系結(jié)構(gòu)、工作原理,重點分析其抓取Ajax網(wǎng)頁所面臨的JavaScript執(zhí)行、狀態(tài)識別與切換等問題?;谝陨涎芯?本文提出了一種基于狀態(tài)倉庫的Deep Web網(wǎng)絡(luò)爬蟲(即AjaxFetcher)的體系結(jié)構(gòu)及其基本算法。
   (2)該爬蟲通過加入嵌入式瀏覽器的功能,可以模擬執(zhí)行頁面中的JavaScript事件,接受服務(wù)器端的異步響應(yīng),通過分析頁面DOM結(jié)構(gòu)的

4、變化識別新生成的狀態(tài),逐步生成Ajax網(wǎng)站的狀態(tài)倉庫,該狀態(tài)倉庫呈現(xiàn)出了Ajax網(wǎng)站的結(jié)構(gòu)及其各個頁面狀態(tài)信息。
   (3)由于在Ajax分頁抓取中對同一個函數(shù)的每次調(diào)用都將導(dǎo)致同樣的服務(wù)器端響應(yīng),本文將包含Ajax請求的JavaScript函數(shù)標(biāo)記為熱點,通過緩存數(shù)據(jù)響應(yīng)策略的方法改進上述基本算法,從而減少與服務(wù)器端通信所帶來的性能損耗。
   最后本論文通過設(shè)計對比實驗來驗證提出的新型網(wǎng)絡(luò)爬蟲的有效性,實驗結(jié)果表明

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(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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。

評論

0/150

提交評論