实例介绍
【实例简介】
网络爬虫是一种能够自动采集互联网信息的程序。网络爬虫不但能够作为搜索引擎的采集器，而且可以用于特定信息的采集，根据某些特定的要求采集网站中的信息，如就业，租房信息等。本文设计并实现了一种基于主题的网络爬虫程序。网络爬虫采用何种搜索策略和如何评价当前页面的主题相关度是基于主题的网络爬虫需要解决的关键问题。本文设计的网络爬虫采用广度优先搜索，对url进行解析、去重等。并应用Java多线程，使爬虫在抓取网页的过程中更有效率。通常评价页面相关度是采用基于内容评价的搜索策略，本文实现了三个常用的相关度评价算法分别是基于网页内容的相关度算法、基于网页内容和标题的相关度算法、基于网页内容和链接结构的相关度算
【实例截图】
【核心代码】
theme
└── theme
├── bin
│ └── theme
│ ├── Crawler$1.class
│ ├── Crawler$2.class
│ ├── Crawler$3.class
│ ├── Crawler$Task.class
│ ├── Crawler.class
│ ├── CrawlerFrame.class
│ ├── Download.class
│ ├── HtmlParserTool$1.class
│ ├── HtmlParserTool.class
│ ├── HttpConstants.class
│ ├── LinkFilter.class
│ └── PriorityURL.class
├── result
└── src
└── theme
├── CrawlerFrame.java
├── Crawler.java
├── Download.java
├── HtmlParserTool.java
├── HttpConstants.java
├── LinkFilter.java
└── PriorityURL.java
5 directories, 20 files
网络爬虫是一种能够自动采集互联网信息的程序。网络爬虫不但能够作为搜索引擎的采集器，而且可以用于特定信息的采集，根据某些特定的要求采集网站中的信息，如就业，租房信息等。本文设计并实现了一种基于主题的网络爬虫程序。网络爬虫采用何种搜索策略和如何评价当前页面的主题相关度是基于主题的网络爬虫需要解决的关键问题。本文设计的网络爬虫采用广度优先搜索，对url进行解析、去重等。并应用Java多线程，使爬虫在抓取网页的过程中更有效率。通常评价页面相关度是采用基于内容评价的搜索策略，本文实现了三个常用的相关度评价算法分别是基于网页内容的相关度算法、基于网页内容和标题的相关度算法、基于网页内容和链接结构的相关度算
【实例截图】
【核心代码】
theme
└── theme
├── bin
│ └── theme
│ ├── Crawler$1.class
│ ├── Crawler$2.class
│ ├── Crawler$3.class
│ ├── Crawler$Task.class
│ ├── Crawler.class
│ ├── CrawlerFrame.class
│ ├── Download.class
│ ├── HtmlParserTool$1.class
│ ├── HtmlParserTool.class
│ ├── HttpConstants.class
│ ├── LinkFilter.class
│ └── PriorityURL.class
├── result
└── src
└── theme
├── CrawlerFrame.java
├── Crawler.java
├── Download.java
├── HtmlParserTool.java
├── HttpConstants.java
├── LinkFilter.java
└── PriorityURL.java
5 directories, 20 files
标签：
好例子网口号：伸出你的我的手 — 分享！
小贴士
感谢您为本站写下的评论，您的评论对其它用户来说具有重要的参考价值，所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字，对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙，所以请不要反馈意义不大的重复字符，也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明，或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦，又没人会搭理，于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享，对搜索内容的合法性不具有预见性、识别性、控制性，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论平台是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定，若资源存在侵权或相关问题请联系本站客服人员，点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论