Deep Web動(dòng)態(tài)搜索的研究——基于圖書網(wǎng)站的動(dòng)態(tài)搜索.pdf

1、本文針對(duì)圖書類網(wǎng)站的特點(diǎn),根據(jù)表單項(xiàng)前的文字信息反映表單項(xiàng)輸入信息,設(shè)計(jì)一種通過(guò)解析表單項(xiàng)動(dòng)態(tài)填充表單的方法,利用動(dòng)態(tài)解析表單獲得結(jié)果頁(yè)面,對(duì)其進(jìn)行解析并加權(quán)排序,最后按照統(tǒng)一的顯示格式展現(xiàn)。本文設(shè)計(jì)實(shí)現(xiàn)利用網(wǎng)站自身高級(jí)搜索頁(yè)面對(duì)同一類型的多個(gè)網(wǎng)站進(jìn)行檢索的系統(tǒng),為用戶同時(shí)在多個(gè)圖書網(wǎng)站搜索圖書提供便利快捷的條件。實(shí)驗(yàn)結(jié)果驗(yàn)證了算法設(shè)計(jì)的正確性,本課題的主要研究工作包括:1、設(shè)計(jì)一個(gè)基于字典匹配的動(dòng)態(tài)表單搜索算法。該算法采用SAX方式解

2、析表單,避免前人采用DOM方式解析產(chǎn)生的大量無(wú)用信息；利用多線程方式解析查詢接口所在頁(yè)面提高處理性能；運(yùn)用字典和表單項(xiàng)關(guān)鍵字進(jìn)行匹配。服務(wù)器端程序通過(guò)抓取頁(yè)面進(jìn)行語(yǔ)義分析,發(fā)現(xiàn)新的圖書網(wǎng)站和擴(kuò)展關(guān)鍵字字典。
　　 2、在表單動(dòng)態(tài)填充獲取的結(jié)果基礎(chǔ)上,實(shí)現(xiàn)了結(jié)果頁(yè)面解析。通過(guò)預(yù)先了解并熟悉圖書網(wǎng)站的搜索結(jié)果的展示頁(yè)面的HTML標(biāo)簽結(jié)構(gòu),將這種標(biāo)簽結(jié)構(gòu)進(jìn)行抽象提取,利用抽取模板進(jìn)行解析獲得圖書信息對(duì)象的鏈表,完成結(jié)果解析。