抓取策略--web信息检索与数据抓取-深度优先遍历--拓展_第1页
抓取策略--web信息检索与数据抓取-深度优先遍历--拓展_第2页
抓取策略--web信息检索与数据抓取-深度优先遍历--拓展_第3页
抓取策略--web信息检索与数据抓取-深度优先遍历--拓展_第4页
抓取策略--web信息检索与数据抓取-深度优先遍历--拓展_第5页
已阅读5页，还剩4页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、主要内容2【主要内容】 深度优先遍历策略【重点与难点】 重点重点：深度优先遍历策略的基本内容 难点：难点：抓取策略在网站数据抓取中的实施3深度优先遍历策略继续跟踪链接一个链接一个链接跟踪下去网络爬虫会从起始页开始处理完这条线路之后再转入下一个起始页深度优先遍历策略深度优先遍历策略4深度优先采集是一种在开发爬虫早期使用较多的方法目的是要达到被搜索结构的叶结点(即那些不包含任何超链的HTML文件) 深度优先遍历策略5执行深度优先搜索即在搜索其余的超链结果之前先完整地搜索单独的一条链沿着HTML文件上的超链走到不能再深入为止返回HTML文件，继续选择该文件中的其他超链当不再有其他超链可选择时，说明搜

2、索结束当不再有其他超链可选择时，说明搜索结束选择一个超链深度优先遍历策略6在深度优先策略中，蜘在深度优先策略中，蜘蛛一直爬到无法再向前，蛛一直爬到无法再向前，才返回爬另一条线路。才返回爬另一条线路。交流思考题7试述深度优先遍历策略的优缺点深度优先遍历策略8优点优点： 能遍历一个Web站点或深层嵌套的文档集合缺点缺点： 因为Web结构相当深，可能造成一旦进去，再也出不来的情况发生1.网络数据采集 王伟 电子制作 , 2014 (6) :173-1742.WEB数据采集系统 百度文库 网址：西安网是科技发展有限公司网站信息采集系统（）3.浅谈蜘蛛抓取策略-广度优先和深度优先 百度文库 网址：网络爬虫基本原理 网址

人人文库> 全部分类> 教育资料 > 辅导培训

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论