面向異步通訊機(jī)制的網(wǎng)頁搜索技術(shù)研究.pdf

1、本文系統(tǒng)的回顧了搜索引擎頁面搜索的研究現(xiàn)狀，分析了目前全文搜索引擎頁面搜集和存儲(chǔ)的工作原理，介紹了異步通訊技術(shù)的工作原理和優(yōu)勢(shì)，總結(jié)了在WEB2.0環(huán)境下，由于采用異步通訊機(jī)制而給搜索引擎所帶來的問題，提出了一種面向異步通訊機(jī)制的網(wǎng)頁搜集技術(shù)的實(shí)現(xiàn)方法。 面向異步通訊機(jī)制的頁面搜索技術(shù)研究旨在克服由于采用異步通訊技術(shù)而給搜索引擎所帶來的新問題。由于目前全文搜索引擎的搜集器大多采用基于超鏈分析的算法，搜集器程序只分析頁面的HTML

2、代碼部分，而忽略頁面中腳本區(qū)域的代碼。而異步通訊技術(shù)正是借助大量的腳本代碼來實(shí)現(xiàn)的，大量的鏈接被隱藏在了頁面的腳本代碼中。因此需要對(duì)現(xiàn)有的搜索引擎的搜集器做適當(dāng)?shù)母倪M(jìn)，使得搜集器程序可以分析頁面腳本區(qū)域的代碼，將其中的超鏈接取出。為此，提出了一種借助于腳本運(yùn)行環(huán)境，利用Windows消息機(jī)制，通過系統(tǒng)模擬點(diǎn)擊頁面腳本函數(shù)的方法來提取超鏈接。同時(shí)，針對(duì)異步通訊機(jī)制所帶來的服務(wù)器返回不完整頁面的問題，采取了導(dǎo)入鏈接所屬的源頁面，通過局部刷新