WWW孤立文件發(fā)現(xiàn)機(jī)制的設(shè)計(jì)與應(yīng)用.pdf

1、隨著網(wǎng)站的維護(hù)和發(fā)展，尤其是網(wǎng)頁(yè)的鏈接維護(hù)和刪除，致使在網(wǎng)站服務(wù)器上產(chǎn)生越來(lái)越多的孤立文件(Isolated Web Files，IWF)。孤立文件存在于 WEB服務(wù)目錄中，具有完整有效的URL地址。通常該文件不能通過(guò)正常的超級(jí)鏈接或非磁盤(pán)文件遍歷方式的網(wǎng)站搜索結(jié)果所取得，而僅能輸入準(zhǔn)確URL地址進(jìn)行訪問(wèn)。孤立文件不僅浪費(fèi)服務(wù)器的存儲(chǔ)空間、危害系統(tǒng)安全，而且可能導(dǎo)致泄密、引發(fā)著作權(quán)糾紛或侵犯隱私等問(wèn)題發(fā)生。使用其提供的錯(cuò)誤信息指導(dǎo)實(shí)踐可

2、能帶來(lái)不可預(yù)期的后果。為使網(wǎng)站內(nèi)容保持完整性和可控性，需要研究WWW孤立文件的形成原因及發(fā)現(xiàn)機(jī)制。
　　 本文在分析孤立文件成因的基礎(chǔ)上，提出判斷孤立文件的機(jī)制：在網(wǎng)站任一靜態(tài)網(wǎng)頁(yè)的HTML源代碼及網(wǎng)頁(yè)資源來(lái)源數(shù)據(jù)庫(kù)記錄中均不含有對(duì)該文件的引用；在WEB日志中含有對(duì)該文件的有效引用則為相對(duì)孤立文件(Relative Isolated Web Files，RIWF)，否則是絕對(duì)孤立文件(Absolute Isolated Web

3、Files，AIWF)。判斷孤立文件時(shí)，首先遍歷WEB發(fā)布目錄，得到全部文件清單并保存在數(shù)據(jù)庫(kù)中；然后遍歷服務(wù)器上靜態(tài)網(wǎng)頁(yè)HTML源代碼及數(shù)據(jù)庫(kù)相關(guān)記錄，將全部URL保存在數(shù)據(jù)庫(kù)中；接著將WEB文件清單和URL記錄進(jìn)行比對(duì)，在URL記錄中沒(méi)有找到的WEB文件即為孤立文件。最后將孤立文件與WEB日志進(jìn)行對(duì)比，找出相對(duì)孤立文件和絕對(duì)孤立文件。對(duì)網(wǎng)頁(yè)源代碼的分析，需要采用正則表達(dá)式，因此本研究構(gòu)造并運(yùn)用了適合URL分析的正則表達(dá)式。