2014信息检索实验报告.docVIP

信息检索实验报告 姓名：黄唯静 学号：2011210564 指导老师：李波 专业：计算机科学与技术 一、实验目标： 掌握网络爬虫的工作原理以及实现方法 熟悉网页抓取的过程 3）熟悉MFC编写的网络爬虫代码，并进行调试运行 实验内容： 掌握网络爬虫工作原理的基础上对给定部分代码进行修改，实现不同功能并对抓取网页的原理以及性能进行分析。 三、网络爬虫原理： 网络爬虫是一个自动提取网页的程序，它为搜索引擎从Internet网上下载网页，是搜索引擎的重要组成。传统爬虫从一个或若干初始网页的URL开始，获得初始网页上的URL，在抓取网页的过程中，不断从当前页面上抽取新的URL放入队列,直到满足系统的一定停止条件。聚焦爬虫的工作流程较为复杂，需要根据一定的网页分析算法过滤与主题无关的链接，保留有用的链接并将其放入等待抓取的URL队列。然后，它将根据一定的搜索策略从队列中选择下一步要抓取的网页URL，并重复上述过程，直到达到系统的某一条件时停止，另外，所有被爬虫抓取的网页将会被系统存贮，进行一定的分析、过滤，并建立索引，以便之后的查询和检索。 四、网络爬虫工作流程： 选取种子UR