网络爬虫需求分析报告报告材料

1、网络爬虫需求分析目录1. 引言3.1.1编写目的3.1.2 背景3.1.3 定义4.1.4参考资料4.2. 任务概述4.2.1 目标4.2.2用户的特点5.2.3假定和约束5.2.4假设与依据 5.3. 需求规定5.3.1对功能的规定 使用库.5.3.2对性能的规定 精度6.时间特性要求. 灵活性.7.安全性7.可维护性7.3.3输入输出要求7.3.4数据管理能力要求 7.3.5故障处理要求7.4. 运行环境规定 7.4.1 设备7.4.2支持软件8.4.3 接口 8.4.4 控制8.5. 数据流图8.6.IP0 图107. 数据字典(1)数据流词条的

2、描述错误!未定义书签。(2)数据元素词条的描述错误!未定义书签。(3)数据文件词条的描述错误!未定义书签。118. 小说明1. 引言1.1编写目的为开发人员、维护人员、客户之间提供共同的协议而创立基础，对该软件功能的实现作使命描述。 本说明书的预期读者为客户、业务或需求分析人员、测试人员、用户文档编写者、项目管理人员。1.2背景软件系统的名称：网络爬虫1.3定义网络爬虫搜索引擎Web URL信息互联网1.4参考资料网络爬虫软件的研究与开发中图分类号：TP319软件导刊 2011年5月 第10卷 第5期软件需求-（美）Karl E.Wiegers 著陆丽娜王忠民王志敏等译2. 任务概述2.1目标

3、系统流程图1. 客户端向服务器发送自己设定好的请求。2. 通过http将Web服务器上协议站点的网页代码提取出来。3根据一定的正则表达式提取出客户端所需要的信息。4. 采用深度优先搜索从网页中某个链接出发，访问该链接的网页，并通过递归算法实现依次向下访问。5. 采用广度优先搜索从网页中某个链接出发，访问该链接网页上的所有链接，访问完成后，再通过递归算法实现下一层的访问。2.2用户的特点使用本软件面向不同领域、不同背景的广大群众，可以根据自己制定的搜索主题来使用本软件。2.3假定和约束1. 有CPU133、16兆内存配置的计算机就可运行本系统。2. 在管理方针、并行操作、安全与保密方面无约束。2

4、.4假设与依据本软件在开发的过程中，分为技术实现与软件工程两大部分，两部分都有侧重点，若技术支持 出现故障或疑难问题无法解决、程序开发出现偏差，会延误工程进度，影响工程的按期完工。若软件工 程陈述出现问题，部分描述含混不清，则会影响系统的完整性与可继承性。在管理方面，如管理者没有 预见性，对出向的问题无法采用可行的解决手段，都会影响开发模块之间的互动，从而影响工程的顺利 开展，导致工程无法按期完工。3. 需求规定3.1对功能的规定使用库规格说明 引言显示所调用的数据库。 输入指定的库文件名。 力口工调用指定的数据库。 输出显示所指定的数据

5、库的库结构。3.2对性能的规定精度1. 用户在设置爱好时进行精度提示，提交给服务器后进行精短校验。2. 在进行向数据库文件提取数据时，要求数据记录定位准确，在往数据库文件数组中添加数时，要 求输入数准确。时间特性要求a.响应时间应在人的感觉和视觉事件范围内b .更新处理时间：随着本系统的版本升级，系统将相应的进行更新c.数据的转换和传送时间：12秒323灵活性当需求发生某些变化时，本系统操作方式、数据结构、运行环境基本不会发生变化，变 化只是将对应的数据库文件内的记录改变，或将过滤条件改变即可。安全性本软件大量的参数及文本内容全部放于汉语编程数据库中，所以参数不容易被错改、破 坏，万一参数受到

6、破坏也不会影响源程序。可维护性本软件利用数据库进行编程，系统结构由程序基本确定，大量的参数及文本内容全部放 于汉语编程中。修改、更新数据只要在数据库进行修改添加，而不需要对系统结构进行修 改，这样系统维护性、升级都十分方便。3.3输入输出要求用户应该输入一个合法的初始URL作为初始入口。3.4数据管理能力要求本系统采用sql server数据库对资源进行存储，其自带的空间自增长有效的解决了数据管理的问题。3.5故障处理要求当客户端多数用户同时使用，可能造成服务器负载过重，于是启用了多线程方法，同时限定最大线 程数，防止服务器崩溃。4. 运行环境规定4.1设备本软件不需要特定的硬件或硬件接口进行

7、支撑。486以上具备有java的运行环境jdk的PC机均可运行此软件。运行时需要联机。4.2支持软件本系统采用java语言制作，支持 win7/XP/Linux等操作系统，由java虚拟机编译，测试软件为My Eclipse;4.3 接口客户端浏览器是搜索引擎和用户之间的接口。其首先获取用户搜索条件并加以分析，然后访问索引数据库进行匹配后获得检索结果，然后根据设定的相关度进行降幕排序处理后返回给用户。输出、输入的相对时间将由pc机本身处理速度来决定。对程序的维护，需进行必要的备份。4.4控制本软件通过客户端浏览器，用户设置自己的爱好，并通过http传给服务器，服务器接受信号执行响应操作。5.

8、数据流图学生J网络爬虫丿学生搜索方法丿14网页信息网页第一层学生学生搜索方法2搜索配置 爬取网页 网页信息网页搜索方法1.1验证搜索方法有效性正确搜索方法第二层1.2卜验证URL有效性厂 厂22、下载网页一：检查网页重1 学生 网页、复性 网页信息网页第三层6.IP0 图7.数据字典1.搜索方法=搜索策略+抓取类型。搜索策略=“广度优先” | “深度优先” | “最好优先”抓取类型=音频|视频|图片2网页信息=主题+内容+链接地址3. 搜索配置=搜索方法+ URL4下载网页=站内爬取+外链爬取5.验证URL有效性=存在性+价值性8.小说明加工编号：i.i加工名：设置搜索方法输入流：自定义搜索方法表输出流：完整的搜索方法表加工逻辑：将自定义搜索方法表及系统默认选项参数加工 成完整的搜索方法表有关信息：当有选择输入时执行此加工，否则按默认执行加工编号：1.2加工名：对URL检查 输入流：搜索方法中的初始 URL输出流：正确的搜索配置加工逻辑：通过检查 URL的存在性和价值性来判断 该URL是否可行加工编号:2.1加