已閱讀1頁，還剩60頁未讀， 繼續(xù)免費閱讀
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、爬蟲技術(shù)作為數(shù)據(jù)搜索技術(shù)中最關(guān)鍵的一項技術(shù)，也作為搜索引擎中最核心的模塊，為搜索引擎提供數(shù)據(jù)源。
為了獲取存在于互聯(lián)網(wǎng)上的大量招聘信息并集中反映到本地，設(shè)計一種網(wǎng)絡(luò)爬蟲系統(tǒng)來爬取這些信息，并對這些信息進行分類存儲。為了使爬蟲能在較短的時間里精準(zhǔn)地，快速地，完整地獲取這些信息，爬蟲系統(tǒng)首先采用httpclient中的GET方式結(jié)合http協(xié)議來獲取網(wǎng)頁內(nèi)容，并根據(jù)招聘網(wǎng)站上數(shù)據(jù)信息的分布結(jié)構(gòu)，采取深度優(yōu)先搜索方式和廣度優(yōu)先搜索方
2、式相結(jié)合的方法來對網(wǎng)頁URL進行搜索，這樣爬蟲程序能最迅捷得到頁面鏈接；獲取URL后，利用HtmlParser中的filter方式對網(wǎng)頁進行解析與過濾，去除無關(guān)內(nèi)容，保留需要的內(nèi)容，進而將得到的信息存入Mongodb數(shù)據(jù)庫，以備以后使用。
爬蟲在抓取信息過程中，有可能爬取重復(fù)信息，為了不浪費cpu計算時間與存儲空間，運用基于Hash算法的URL去重方式來應(yīng)對重復(fù)的URL，并且采取了JVM優(yōu)化，多線程技術(shù)，離線腳本，數(shù)據(jù)庫優(yōu)化等
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。
最新文檔
- 基于網(wǎng)絡(luò)爬蟲的信息采集分類系統(tǒng)設(shè)計與實現(xiàn).pdf
- 基于社交網(wǎng)絡(luò)信息爬蟲的設(shè)計與實現(xiàn).pdf
- 基于網(wǎng)絡(luò)爬蟲的論壇信息檢索系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 基于啟發(fā)式搜索策略的主題網(wǎng)絡(luò)爬蟲算法的設(shè)計與實現(xiàn).pdf
- 網(wǎng)絡(luò)輿情爬蟲系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 基于網(wǎng)絡(luò)爬蟲的網(wǎng)絡(luò)輿情分析系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 分布式視頻搜索爬蟲系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 基于頁面分析的網(wǎng)絡(luò)爬蟲系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 主題搜索引擎網(wǎng)絡(luò)爬蟲搜索策略的研究與實現(xiàn).pdf
- 基于增量式爬蟲的搜索引擎系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 主題搜索網(wǎng)絡(luò)爬蟲的設(shè)計與研究.pdf
- 基于java的網(wǎng)絡(luò)爬蟲的設(shè)計與實現(xiàn)
- 4429.面向建材信息的網(wǎng)絡(luò)爬蟲系統(tǒng)的設(shè)計與實現(xiàn)
- 搜索引擎中網(wǎng)絡(luò)爬蟲的研究與實現(xiàn).pdf
- 基于爬蟲技術(shù)的網(wǎng)絡(luò)輿情監(jiān)控系統(tǒng)的設(shè)計與實現(xiàn)
- 網(wǎng)絡(luò)爬蟲的設(shè)計與實現(xiàn)
- 基于網(wǎng)絡(luò)爬蟲的游戲輿情監(jiān)測系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 基于Groovy的分布式網(wǎng)絡(luò)爬蟲系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 基于分布式的商品信息網(wǎng)絡(luò)爬蟲系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 基于網(wǎng)絡(luò)爬蟲與HASH的網(wǎng)站篡改檢測系統(tǒng)的設(shè)計與實現(xiàn).pdf
評論
0/150
提交評論