資料介紹
無論是通用搜索還是垂直搜索,其關(guān)鍵的核心技術(shù)之一就是網(wǎng)絡(luò)爬蟲的設(shè)計。本文結(jié)合
HTMLParser 信息提取方法,對生活類垂直搜索引擎中網(wǎng)絡(luò)爬蟲進(jìn)行了詳細(xì)研究。通過深入分析生活類網(wǎng)站網(wǎng)址的樹形結(jié)構(gòu)的構(gòu)架,開發(fā)了收集種子頁面URL 的模擬搜索器,并基于HTMLParser 的信息提取方法,從種子頁面中提取出與生活類主題相關(guān)的目標(biāo)URL。經(jīng)實驗測試證明該爬蟲的爬準(zhǔn)率達(dá)93.552% ,爬全率達(dá)96.720% ,表明該網(wǎng)絡(luò)爬蟲是有效的,達(dá)到中等規(guī)模的垂直搜索企業(yè)級應(yīng)用的要求。
關(guān)鍵詞:網(wǎng)絡(luò)爬蟲;垂直搜索; HTMLParser
Abstract:Whether general search engine or vertical search engine, the design of web crawler is the core technology. In this article, a novel system of life-theme web crawler based on HTMLParser information extraction is thoroughly studied. In this system, a simulation searcher is designed for collecting the seed URL by analyzing tree structure of life-theme website, then, based on the discussion of HTMLParser information extraction, the target URL that relate to life-theme is extracted from the seed pages. Empirical studies show that the Pr ecision = 93.552% and the Re call = 96.720%, proving its effectiveness and achieving requirements for general enterprise-level application of vertical search engine.
Key words:web crawler; vertical search engine;HTMLParser
掃碼添加小助手
加入工程師交流群
- 用Python寫網(wǎng)絡(luò)爬蟲 21次下載
- 一種自適應(yīng)網(wǎng)頁結(jié)構(gòu)化信息提取方法 2次下載
- 什么是網(wǎng)絡(luò)爬蟲使用Python寫網(wǎng)絡(luò)爬蟲的教程說明 3次下載
- 爬蟲是如何實現(xiàn)數(shù)據(jù)的獲取爬蟲程序如何實現(xiàn) 10次下載
- 如何設(shè)計一個網(wǎng)絡(luò)爬蟲程序進(jìn)行智慧城市研究的獲取與分析 9次下載
- 散亂點云數(shù)據(jù)特征信息提取算法 0次下載
- 基于同態(tài)系統(tǒng)的高分辨率遙感圖像河流信息提取 2次下載
- 脈沖多普勒雷達(dá)識別中的信號調(diào)制信息提取 13次下載
- 短時傅立葉變換在陣列聲波信息提取中的應(yīng)用 9次下載
- GPS定位信息提取及應(yīng)用 67次下載
- 基于VB6.0的點陣字模信息提取方法
- 一種新型網(wǎng)絡(luò)爬蟲的設(shè)計與實現(xiàn)
- 道路定位信息提取及四參數(shù)坐標(biāo)轉(zhuǎn)換方法
- 植被虛擬仿真中遙感地信息定量化提取
- Web元數(shù)據(jù)信息提取技術(shù)的研究
- Nginx限流與防爬蟲配置方案 737次閱讀
- 爬蟲的基本工作原理 用Scrapy實現(xiàn)一個簡單的爬蟲 2.4k次閱讀
- 如何看待Python爬蟲的合法性? 1.6k次閱讀
- 爬蟲的學(xué)習(xí)方法 1.7k次閱讀
- Python-爬蟲開發(fā)01 1.3k次閱讀
- 基于統(tǒng)一語義匹配的通用信息抽取框架USM 1.9k次閱讀
- 基于eBPF技術(shù)實現(xiàn)TLS加密的明文捕獲 3.7k次閱讀
- 爬蟲技術(shù)為什么變成了害蟲?爬蟲技術(shù)到底犯了什么錯? 4.7k次閱讀
- 如何解決爬蟲被封的問題 6k次閱讀
- 如何快速入門Python爬蟲的? 3.2k次閱讀
- Python3網(wǎng)絡(luò)爬蟲入門實戰(zhàn)解析 6k次閱讀
- Python爬蟲速成指南讓你快速的學(xué)會寫一個最簡單的爬蟲 7.5k次閱讀
- Python學(xué)習(xí)爬蟲掌握的庫資料大全和框架的選擇的分析 5.7k次閱讀
- 網(wǎng)絡(luò)爬蟲教程(1):音樂歌單編寫 1.4k次閱讀
- 初學(xué)者寫Python爬蟲的四大工具 6.5k次閱讀
下載排行
本周
- 1MDD品牌三極管MMBT3906數(shù)據(jù)手冊
- 2.33 MB | 次下載 | 免費
- 2MDD品牌三極管S9012數(shù)據(jù)手冊
- 2.62 MB | 次下載 | 免費
- 3聯(lián)想flex2-14D/15D說明書
- 4.92 MB | 次下載 | 免費
- 4收音環(huán)繞擴(kuò)音機(jī) AVR-1507手冊
- 2.50 MB | 次下載 | 免費
- 524Pin Type-C連接器設(shè)計報告
- 1.06 MB | 次下載 | 免費
- 6新一代網(wǎng)絡(luò)可視化(NPB 2.0)
- 3.40 MB | 次下載 | 免費
- 7MS1000TA 超聲波測量模擬前端芯片技術(shù)手冊
- 0.60 MB | 次下載 | 免費
- 8MS1022高精度時間測量(TDC)電路數(shù)據(jù)手冊
- 1.81 MB | 次下載 | 免費
本月
- 1愛華AIWA HS-J202維修手冊
- 3.34 MB | 37次下載 | 免費
- 2PC5502負(fù)載均流控制電路數(shù)據(jù)手冊
- 1.63 MB | 23次下載 | 免費
- 3NB-IoT芯片廠商的資料說明
- 0.31 MB | 22次下載 | 1 積分
- 4H110主板CPU PWM芯片ISL95858HRZ-T核心供電電路圖資料
- 0.63 MB | 6次下載 | 1 積分
- 5UWB653Pro USB口測距通信定位模塊規(guī)格書
- 838.47 KB | 5次下載 | 免費
- 6技嘉H110主板IT8628E_BX IO電路圖資料
- 2.61 MB | 4次下載 | 1 積分
- 7蘇泊爾DCL6907(即CHK-S007)單芯片電磁爐原理圖資料
- 0.04 MB | 4次下載 | 1 積分
- 8100W準(zhǔn)諧振反激式恒流電源電路圖資料
- 0.09 MB | 2次下載 | 1 積分
總榜
- 1matlab軟件下載入口
- 未知 | 935137次下載 | 10 積分
- 2開源硬件-PMP21529.1-4 開關(guān)降壓/升壓雙向直流/直流轉(zhuǎn)換器 PCB layout 設(shè)計
- 1.48MB | 420064次下載 | 10 積分
- 3Altium DXP2002下載入口
- 未知 | 233089次下載 | 10 積分
- 4電路仿真軟件multisim 10.0免費下載
- 340992 | 191439次下載 | 10 積分
- 5十天學(xué)會AVR單片機(jī)與C語言視頻教程 下載
- 158M | 183353次下載 | 10 積分
- 6labview8.5下載
- 未知 | 81602次下載 | 10 積分
- 7Keil工具M(jìn)DK-Arm免費下載
- 0.02 MB | 73822次下載 | 10 積分
- 8LabVIEW 8.6下載
- 未知 | 65991次下載 | 10 積分
電子發(fā)燒友App





創(chuàng)作
發(fā)文章
發(fā)帖
提問
發(fā)資料
發(fā)視頻
上傳資料賺積分
評論