支持JavaScript解析的網頁采集系統(tǒng)設計與實現.pdf_第1頁
已閱讀1頁，還剩79頁未讀， 繼續(xù)免費閱讀

下載本文檔

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、隨著搜索引擎的廣泛應用，網頁采集技術得到了長足發(fā)展。網頁采集是搜索引擎工作流程的第一站，采集的頁面質量將直接影響到搜索引擎提供查詢服務的優(yōu)劣。最理想的情形是采集與用戶視覺信息一致(Coherent with Users' Vision Information，CUVI)的頁面，這一概念一直是搜索引擎領域的盲點。
　　 針對這一盲點，本文以抓取CUVI頁面為宗旨設計并實現了一個網頁采集系統(tǒng)。抓取CUVI頁面首先需要進行網頁重定向的

2、處理操作，這是頁面內JavaScript程序的主要功能之一。本文采集系統(tǒng)通過將JavaScript解析引入采集系統(tǒng)設計中，在很大程度上解決采集CUVI頁面的問題。
　　 本文主要內容分JavaScript解析和采集系統(tǒng)設計與實現兩部分展開。
　　 JavaScript(JS)解析部分，首先分析處理JavaScript的必要性，通過對典型數據進行調研分析，得到了JS程序在HTML文檔中的功能分布。然后，根據采集系統(tǒng)對Jav

3、aScript解析的需求設計并實現了簡易JS解析器--JSParser。最后，通過實驗驗證JSParser無論在性能上還是在功能上都能滿足本文采集系統(tǒng)的需求。
　　 本文的采集系統(tǒng)由采集器和控制器兩個模塊組成。采集器在設計上，創(chuàng)新性地引入頁面分析功能，并結合使用JSParser，達到了采集CUVI頁面的初衷；在實現上，采用EPOLL技術解決了采集器對高并發(fā)度的要求?？刂破骶S護一個站點IP FIFO(Fist In Fist Ou

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。

評論

0/150

提交評論