网络flash爬虫搜索方法比较研究

《网络flash爬虫搜索方法比较研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、网络Flash爬虫搜索方法比较研究　　Flash资源以其生动、易于交互和制作简单等特点越来越受到人们的追捧。但是随着网络技术的快速发展，Flash资源在网络中的存在形式变得格外复杂，传统搜索引擎对网络Flash资源的获取不能到达令人满意的水平。作为搜索引擎的基础组成部分，网络爬虫的作用必须得到人们足够的重视，所以，改进网络爬虫的搜索方法越来越受到人们的重视。本文提出一种新的搜索方法，与传统爬虫的基本组成结构和搜索结果进行比较，验证新搜索方法的优势。　　1网络Flash资源的优点及存在形式　　网络Flash资源的优点　　1）Flash动画通常比

2、较短。因为只占有有限的网络带宽，通常是几兆字节大小，Flash动画平均时间比起传统动画会更短一些。　　2）Flash动画能够与观看者产生互动，满足观看者更多需求。观看者可以通过一定的操作来改变动画的播放进程，传统的动画并不具有这样的特性。　　3）Flash动画的制作相对传统动画更简易。Flash动画制作爱好者能够相对比较容易地转变为制作者，他们只需要掌握一些与动画制作相关的软件就可以尝试制作Flash动画。Flash动画的制作需要在电脑上进行，Flash制作软件需要的条件比较简单，对硬件要求也比较低，所以不需要较大的投入。　　4）Flash动

3、画占用空间较小。Flash动画可以使用矢量图形，所以使得文件所用空间较小；Flash动画完成后可以上传到网上，互联网用户可以欣赏和下载，能够以较快的速度在网络中传播，这样的联盟一个优点让Flash动画迅速在网络上风靡起来。用传统方法制作的一些动画，因为占用的空间比较大，在网络上传播起来就比较困难。　　5）Flash动画受制作者水平和技术等原因的限制。不可否认的是，互联网上的不少Flash动画还是比较粗糙、简单的，但是Flash动画的确有还在发展一些新的视觉效果，如三维效果，相信未来将有新的发展。它比起传统的动画来说更容易和智能，更符合大众口味

4、。　　6）Flash动画大大减少人力、材料资源的消耗，存储方式更加方便，生产成本大大降低。与此同时，Flash动画在制作周期上相比传统动画也会大大减少，对于相同时长的动画，用Flash技术来制作所需要的时间将会大大缩短，而用传统方法制作通常花费的时间要更长一些。　　网络Flash资源的存在形式Flash资源通常存放在Web服务器中，往往以独立的文件形式存在。传统的方式包括两种。　　第一种是嵌入到网页中作为网页组成的一部分。Flash动画嵌入网页的方法很多，情况比较复杂，目前主要是利用标签、脚本、函数或对象将Flash资源嵌入网页，使用网页浏览

5、器解析网页的HTTP标签和脚本，再用相应的形式显示、播放Flash动画。　　第二种是通过网页中的锚文本链接。网页中用锚文本链接Flash动画很简单，可以自由下载。然而，通过Java-Script脚本展现的Flash动画资源作为一种丰富的存在形式，人们对它的研究还比较少。　　网络爬虫的定义和工作原理　　网络爬虫的定义网络爬虫是搜索引擎系统结构中搜索器的俗称，又叫网络蜘蛛，是一个自动搜集网页的系统程序。它的功能是昼夜不停地在互联网中爬行，收集信息，通常从首页开始，读取网页信息，找到网页中的其他链接地址，继而找到下一个网页，再在新的网页中找到新的链

6、接地址。这样循环往复，目的是把该网站的所有网页抓取完毕。它负责搜集新信息，更新旧信息。　　网络爬虫的工作原理当蜘蛛抓取网页，一般有两种信息收集策略。　　1）以URL集合作为起始，沿着这些URL，以宽度优先、深度优先，循环往复地在Web中收集信息。它沿着网页中的超链接爬行到其他网页，循环处理，并把搜集到的全部网页保存起来。这些起始URL通常是一些很正规且包含很多链接的站点。　　2）网站空间根据域名、IP地址等划分，每个网络蜘蛛负责一个子空间的穷举搜索。爬虫搜集多种多样的信息，包括网页文件，有的网络爬虫能够处理文档，甚至是数据库。爬虫将收集所有过

7、滤字符格式的文档，从全文数据提取文本。每个文档都与全文文件有对应关系，包括标题、网页的URL、大小、类型和其他属性以及文本内容。　　网络爬虫面临的问题　　截止2016年1月底，中国互联网上网页数量超过1500亿个，静态网页数占%，动态网页数占%，其中有大量页面是重复的，每个网页的字节数大约为50KB。关于网页数量和字节数的增长率，2016年较之2016年增幅分别为%和%。动态网页的存在，客户端、服务器端脚本语言的使用，使得指向相同页面的URL数量出现爆炸式增长。　　以上特征使得网络爬虫面临一定的困难：首先，海量的网页信息使得网络爬虫在有限的时

8、间内只能爬行少量网页；其次，动态网页的一些技术原因使得网络爬虫无法爬行它们。仅在中国就存在如此之多的网页，假如考虑全世界的网页，那么，世界上是不存在能索引互联网上所