|
|||||
|
|
| 基于关键词过滤与结构化输出的网络爬虫系统设 | |
| 引用本文： | 金鲁峰,邰剑秋,张旭.基于关键词过滤与结构化输出的网络爬虫系统设[J].中国传媒科技,2012(4):54-56. |
| 作者姓名： | 金鲁峰 邰剑秋 张旭 |
| 作者单位： | 新华社技术局 |
| 摘 要： | 通过对开源网络爬虫Heritrix的系统构架进行改进,设计基于关键词过滤的主题网络爬虫,并提供一种配置手段利用HTMLParser技术对抽取内容进行结构化分解。实验结果表明,这种对Heritrix改进从而实现的网络爬虫,能够有效地按关键词过滤信息内容,并对信息主体进行了结构化存储。 |
| 关 键 词： | 网络爬虫 系统构架 结构化 关键词 过滤 信息内容 信息主体 |
| 本文献已被 维普 万方数据 等数据库收录！ | |