Heritrix网页抓取器的分析与扩展

摘要：

　　本文利用Heritrix开源和组件特性，讨论藏文网页的抓取问题。首先介绍了Heritrix网络爬虫的体系架构，然后开发了网页抓取扩展的算法。

关键词： 信息处理 网络爬虫 体系架构 扩展算法

作者: 珠杰 顿珠次仁

作者单位: 西藏大学工学院计算机系

会议类型: 国内会议

会议名称: 第十二届全国少数民族语言文字信息处理学术研讨会

会议地点: 拉萨

会议语种:中文

页码: 301-308

在线出版日期: 2009-07-10（万方平台首次上网日期，不代表论文的发表时间）