原创力文档- 1、本文档共28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)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、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。
- 7、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。
- 8、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
网络爬虫的设计与实现
I
摘要
网络爬虫将下载的网页和收集到的网页信息存储在本地数据库中以供搜索
引擎使用，它是一个专门从万维网上下载网页并分析网页的程序。随着网络的快
速发展，人们对搜索引擎的要求也越来越高，而网络爬虫的效率直接影响着搜索
引擎的质量。
本课题研究的是通用网络爬虫，它是从一个或若干个初始网页的链接开始进
而得到一个链接队列。伴随着网页的抓取又不断从抓取到的网页中抽取新链接放
入到链接队列中，直到爬虫系统满足了停止条件。该课题主要涉及到了缓冲池技
术，多线程技术，套接字技术，HTTP和SSL协议，正则表达式，Linux网络编程
技术，PHP+Apache的使用等相关技术。
本说明书叙述的网络爬虫是以LinuxC实现的，加以PHP语言编写的界面使
用户更加方面的操作，利用Shell脚本和Apache服务器使得爬虫系统和界面很
好的结合在一起。
关键词：网络爬虫缓冲池正则表达式SSL协议多线程
II
目次
1引言1
1.1课题选题背景1
1.2课题研究的意义2
2需求分析3
2.1功能需求分析3
2.2系统性能分析4
3系统设计5
3.1系统工作流程图5
3.2数据结构设计6
3.3系统各功能流程图7
4系统实现10
4.1相关技术分析10
4.2系统功能模块的实现11
5测试与结果17
结论23
致谢错误!未定义书签。
参考文献
文档评论（0）