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

1、本文針對圖書類網(wǎng)站的特點,根據(jù)表單項前的文字信息反映表單項輸入信息,設(shè)計一種通過解析表單項動態(tài)填充表單的方法,利用動態(tài)解析表單獲得結(jié)果頁面,對其進(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)計實現(xiàn)利用網(wǎng)站自身高級搜索頁面對同一類型的多個網(wǎng)站進(jìn)行檢索的系統(tǒng),為用戶同時在多個圖書網(wǎng)站搜索圖書提供便利快捷的條件。實驗結(jié)果驗證了算法設(shè)計的正確性,本課題的主要研究工作包括:1、設(shè)計一個基于字典匹配的動態(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)生的大量無用信息；利用多線程方式解析查詢接口所在頁面提高處理性能；運用字典和表單項關(guān)鍵字進(jìn)行匹配。服務(wù)器端程序通過抓取頁面進(jìn)行語義分析,發(fā)現(xiàn)新的圖書網(wǎng)站和擴(kuò)展關(guān)鍵字字典。
　　 2、在表單動態(tài)填充獲取的結(jié)果基礎(chǔ)上,實現(xiàn)了結(jié)果頁面解析。通過預(yù)先了解并熟悉圖書網(wǎng)站的搜索結(jié)果的展示頁面的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象的鏈表,完成結(jié)果解析。