網(wǎng)絡(luò)爬蟲(chóng)(SQL數(shù)據(jù)庫(kù))

網(wǎng)絡(luò)爬蟲(chóng)（SQL數(shù)據(jù)庫(kù)）摘要:隨著信息的不斷膨脹，人們?cè)絹?lái)越離不開(kāi)搜索引擎。通用搜索引擎如百度、Google給人們提供了很多便利，得到了極大的流行。但是隨著人們需求的多樣化，和對(duì)搜索結(jié)果質(zhì)量的要求越來(lái)越高，通用搜索引擎在一些專門(mén)化的領(lǐng)域己經(jīng)不能滿足人們的要求，于是垂直搜索引擎就應(yīng)運(yùn)而生。盡管垂直搜索引擎很多技術(shù)與通用搜索引擎很類似，但是還是有很多自己獨(dú)特的技術(shù)，和一些新的需要解決的問(wèn)題，URL爬蟲(chóng)就是其中的一個(gè)重點(diǎn)需要解決的問(wèn)題。關(guān)鍵詞:搜索引擎，網(wǎng)絡(luò)爬蟲(chóng)，URL提取目錄第一章關(guān)于web檢索URL相關(guān)問(wèn)題1．1知識(shí)背景研究意義1.3國(guó)內(nèi)外發(fā)展概況本章小結(jié)第二章知識(shí)背景2.1經(jīng)濟(jì)可行性2.2技術(shù)可行性2.3操作可行性2.4法律可行性本章小結(jié)第三章總體設(shè)計(jì)3.1系統(tǒng)設(shè)計(jì)原理3.1.1系統(tǒng)功能設(shè)計(jì)配上類與類之間的UML圖3.2數(shù)據(jù)庫(kù)設(shè)計(jì)數(shù)據(jù)庫(kù)設(shè)計(jì)規(guī)則數(shù)據(jù)庫(kù)概念結(jié)構(gòu)3.2.4數(shù)據(jù)庫(kù)實(shí)體關(guān)系模型還有實(shí)體關(guān)系圖（ER圖）3.2.4數(shù)據(jù)庫(kù)邏輯結(jié)構(gòu)詳細(xì)設(shè)計(jì)3.3.1URL的提取第四章具體實(shí)現(xiàn)系統(tǒng)實(shí)現(xiàn)系統(tǒng)設(shè)計(jì)原理4.2功能模塊設(shè)計(jì)本章小結(jié)第五章評(píng)價(jià)自己的畢業(yè)設(shè)計(jì)實(shí)現(xiàn)的目標(biāo)5.2學(xué)到了哪些東西如果還有時(shí)間設(shè)計(jì)，今后你會(huì)添加哪些功能第六章關(guān)于軟件測(cè)試6.1軟件測(cè)試的目的和意義6.2軟件測(cè)試的步驟軟件測(cè)試的具體實(shí)現(xiàn)6.4軟件測(cè)試結(jié)論6.5評(píng)價(jià)本章小結(jié)總結(jié)謝辭參考文獻(xiàn)附錄功能模塊1、網(wǎng)絡(luò)爬蟲(chóng)模塊網(wǎng)絡(luò)爬蟲(chóng)實(shí)際上是一個(gè)基于web的程序。它從一個(gè)初始的網(wǎng)頁(yè)集出發(fā)，遍歷Internet自動(dòng)的采集網(wǎng)絡(luò)信息。當(dāng)爬蟲(chóng)打開(kāi)某個(gè)HTML頁(yè)面后，它會(huì)分析HTML標(biāo)記結(jié)構(gòu)來(lái)獲取信息，并獲取指向其它頁(yè)面的超級(jí)鏈接，然后通過(guò)既定的搜索策略選擇下一個(gè)要訪問(wèn)的站點(diǎn)。從理論上講，如果為Spider指定個(gè)適當(dāng)?shù)某跏嘉臋n集和個(gè)適當(dāng)?shù)木W(wǎng)絡(luò)搜索策略，它就可以遍歷整個(gè)網(wǎng)絡(luò)。它的性能在很大程度上影響了搜索引擎站點(diǎn)的規(guī)模。2、索引模塊網(wǎng)絡(luò)爬蟲(chóng)爬取的網(wǎng)頁(yè)上的信息以固定的格式獲取到本地后，索引建立程序?qū)π畔⑦M(jìn)行分析，針對(duì)頁(yè)面中出現(xiàn)的關(guān)鍵詞建立一種利于快速查找的數(shù)據(jù)結(jié)構(gòu)，即索引，以供搜索引擎使用。搜索引擎在選擇索引數(shù)據(jù)結(jié)構(gòu)時(shí)通?？紤]兩個(gè)因素：緊湊的數(shù)據(jù)結(jié)構(gòu)和高效的檢索能力。由于搜索引擎在建立索引的時(shí)候是面對(duì)海量的信息，因此在考慮記錄大小時(shí)要具體到字節(jié)中的位，這樣才能達(dá)到一種比較合理科學(xué)性的空間膨脹比。合理的數(shù)據(jù)結(jié)構(gòu)將使對(duì)關(guān)鍵詞的檢索更加迅速。通常有三種索引的建立基本技術(shù)：倒排文件、后綴數(shù)組和簽名文件。倒排文件在當(dāng)前大多數(shù)信息獲取系統(tǒng)中得到應(yīng)用，它對(duì)于關(guān)鍵詞的搜索非常有效。后綴數(shù)組在短語(yǔ)查詢中具有較快的速度，但是該結(jié)構(gòu)在維護(hù)上相對(duì)比較麻煩。簽名文檔如今已被倒排索引技術(shù)替代。處理網(wǎng)頁(yè)的過(guò)程主要包括這幾部分:文檔特征向量提取、網(wǎng)頁(yè)篩選、相關(guān)度分析、文檔分類和入庫(kù)操作。以下是部分界面圖，如圖片不清，請(qǐng)直接點(diǎn)擊圖片，如需要看更詳細(xì)的資料，請(qǐng)直接聯(lián)系客服！用戶交互程序墾vpg-www.bysjhomexom用戶卍搜索般務(wù)器屮圖1（雙擊并最大化圖片，可看清晰圖片）那www.bysjhome^om^ystrmCatalogut"De?t= 弱infillURLLinkso.—■■■^gfln.lws?5.Aevii那www.bysjhome^om^ystrmCatalogut"De?t= 弱infillURLLinkso.—■■■^gfln.lws?5.Aevii丁 ] |IW就]三UFunflEc-n*Li.list^oorJs-匕，二■舒 Mii.ni.fla.aa*T：i“圖2（雙擊并最大化圖片，可看清晰圖片）則計(jì)T此是善九吟.站“r義取地點(diǎn)叩卍詞為域龍之JT-字風(fēng)畢設(shè)矽www.bysjhom?Tconi■■卜—略1iJlIY叩Im為序威名熬合判is記丁人陽(yáng).堆若為啟斥了字戦牛睜?臣ia下t曰盤(pán)