搜貓 5.2c 官方版

搜貓軟件介紹

      軟件可以只截取網(wǎng)頁(yè)中的一部分(可以是一段笑話，一篇小說(shuō)甚至只取電影或MP3的鏈接地址，就看你的配置了)，有了它，只須幾小時(shí)就可以復(fù)制一個(gè)網(wǎng)站(或它的鏈接)。

搜貓軟件說(shuō)明

      抓取目標(biāo)的描述和定義是決定網(wǎng)頁(yè)分析算法與URL搜索策略如何制訂的基礎(chǔ)。而網(wǎng)頁(yè)分析算法和候選URL排序算法是決定搜索引擎所提供的服務(wù)形式和爬蟲(chóng)網(wǎng)頁(yè)抓取行為的關(guān)鍵所在。這兩個(gè)部分的算法又是緊密相關(guān)的。

      現(xiàn)有聚焦爬蟲(chóng)對(duì)抓取目標(biāo)的描述可分為基于目標(biāo)網(wǎng)頁(yè)特征、基于目標(biāo)數(shù)據(jù)模式和基于領(lǐng)域概念3種。

      基于目標(biāo)網(wǎng)頁(yè)特征

      基于目標(biāo)網(wǎng)頁(yè)特征的爬蟲(chóng)所抓取、存儲(chǔ)并索引的對(duì)象一般為網(wǎng)站或網(wǎng)頁(yè)。根據(jù)種子樣本獲取方式可分為：

      (1)預(yù)先給定的初始抓取種子樣本;

      (2)預(yù)先給定的網(wǎng)頁(yè)分類目錄和與分類目錄對(duì)應(yīng)的種子樣本，如Yahoo!分類結(jié)構(gòu)等;

      (3)通過(guò)用戶行為確定的抓取目標(biāo)樣例，分為：(a)用戶瀏覽過(guò)程中顯示標(biāo)注的抓取樣本;(b)通過(guò)用戶日志挖掘得到訪問(wèn)模式及相關(guān)樣本。

      其中，網(wǎng)頁(yè)特征可以是網(wǎng)頁(yè)的內(nèi)容特征，也可以是網(wǎng)頁(yè)的鏈接結(jié)構(gòu)特征，等等。

      基于目標(biāo)數(shù)據(jù)模式

      基于目標(biāo)數(shù)據(jù)模式的爬蟲(chóng)針對(duì)的是網(wǎng)頁(yè)上的數(shù)據(jù)，所抓取的數(shù)據(jù)一般要符合一定的模式，或者可以轉(zhuǎn)化或映射為目標(biāo)數(shù)據(jù)模式。

      基于領(lǐng)域概念

      另一種描述方式是建立目標(biāo)領(lǐng)域的本體或詞典，用于從語(yǔ)義角度分析不同特征在某一主題中的重要程度。