- 1、本文档共3页,可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
查看更多
搜索引擎实验二
一、实验目的
了解数据抓取子系统的设计原理,体会基于数据抓取子系统的运行过程。
二、实验内容
编写一个程序实现网络爬虫的功能。
三、实验过程
3.1 流程图
系统流程图:
抓取线程流程图:
根据网址提取信息:
根据字符串提取链接:
四、实验截图
开始
初始化:起点网址,最大抓取深度
抛出10条抓取线程,并行抓取
对首页进行第一次抓取,提取后续可访问链接
输出最后抓取的结果:所耗时间,总链接,每一条链接信息,
结束
开始
是否还有未访问的链接
取出一条链接,对链接进行进行内容和链接提取
结束
开始
初始化:建立URL对象,建立连接,打开网页输入流,建立本地html文件
是否还有未读字符行
读取一行字符内容
根据字符串内容提取链接
将字符串输出道本地html文件
结束
开始
利用正则式提取第一个链接
判定是否存在链接
此链接是否已经存在链接队列
将新链接添加到链接队列中
重新截取提取链接后的字符串,重新使用正则式提取
结束
文档评论(0)