原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种DeepWeb爬虫的设计与实现
计算机与现代化
YUXIANDAIHUA
2009年第3期 JISUANJI 总第163期
文章编号：1006-2475(2009)03-00314)4
Web爬虫的设计与实现
一种Deep
荣光，张化祥
(山东师范大学信息科学与工程学院，山东济南250014)
Wide
摘要：随着world Web的快速发展，DeepWeb中蕴含了越来越多的可供访问的信息。这些信息可以通过网页上的
表单来获取，它们是由DeepWeb后台数据库动态产生的。传统的Web爬虫仅能通过跟踪超链接检索普通的Surface
Web页面。由于没有直接指向DeepWeb页面的静态链接，所以当前大多数搜索引擎不能发现和索引这些页面。然而，与
Surface
Web相比，DeepW曲中所包含的信息的质量更高，对我们更有价值。本文提出了一种利用HtmlUnit框架设计
DeepWeb爬虫的方法。它能够集成多个领域站点，通过分析查询表单从后台数据库中检索相关信息。实验结果表明此
方法是有效的。
关键词：Deep帑油；Web爬虫：表单
中国分类号：1玛93 文献标识码：A
and ofa WebCrawler
DesignImplementationDeep
RONG
Guang，ZHANGHua-xiang
ofInformationScienceand Normal
(School EIlgineeriag，ShandongUniversity，Jinan250014，China)
theWorldWideWeb andmoredatabecomeavailableinthe Web．Thedatacarlbeoh-
Abstract：As growsrapidly．more Deep
tained in Web arise from Webdatabase．TraditionalWebcrawlercsn陀·
formtlle only
bysubmiting pag∞anddynamiclyDeep
trieveSurfaceWeb thereisriOstaticlinkstothehiddenWeb search c锄·
engines
pagebyfollowinghyperlinks．Since pages。most
isoftenof
notdiscoverandindexsuch tosurface information hiddenWebsites
Web，the
pages．Hpared providedby
is
more bemorevaluableto118．Amethodof WebcrawleruseofHtndUnltframe
文档评论（0）