|
|
| 在 Linux 上构建 Web spider | Web spider 是用来进行 Internet 信息的搜索、过滤和聚合的软件代理。使用通用脚本语言和一些 Web 模块组合，就可以轻松地开发自己的 Web spider。本文介绍了如何为 Linux? 构建 spider 和 scraper，从而实现在 Web 站点上爬行并搜集信息，具体到本例就是搜集股票数据。 阅读全文:在 Linux 上构建 Web spider |
 |
M. Tim Jones | 2007-1-1 0:26:00 |
|
| 如何为Lucene增加中文分词功能 | 分词模块对于搜索的重要性不言而喻。例如，没有分词时，搜索“和服”会出现“产品和服务”，搜索“海尔”会出现“海尔德”，搜索“华为”会出现“清华为何”。所以有必要给文本增加词的边界信息以提高检索精确度。 阅读全文:如何为Lucene增加中文分词功能 |
| |
| 2006-12-22 11:35:00 |
|
| Larbin网站爬虫简明使用说明 | larbin是一种爬虫工具，我也是前段时间网上看到 Larbin 一种高效的搜索引擎爬虫工具 一文时才知道有这么个东西，初步认定，我比较喜欢这个工具(比起nutch的crawl来说),因为它是C++写的，类似C嘛，我熟，可以自己改改，顺便学习一下C++(几年来的经验告诉我说：改别人的东西来学一种技术比从头写helloworld快很多)。于是开始了我艰辛的larbin试用之旅。 阅读全文:Larbin网站爬虫简明使用说明 |
| |
林哥 | 2006-12-16 0:31:00 |
|
| 从Larbin看互联网爬虫设计 | 互联网是一个庞大的非结构化的数据库，将数据有效的检索并组织呈现出来有着巨大的应用前景，尤其是类似RSS的以XML为基础的结构化的数据越来越多，内容的组织方式越来越灵活，检索组织并呈现会有着越来越广泛的应用范围，同时在时效性和可读性上也会有越来越高的要求。这一切的基础是爬虫，信息的来源入口。一个高效，灵活可扩展的爬虫对以上应用都有着无可替代的重要意义。 阅读全文:从Larbin看互联网爬虫设计 |
| |
| 2006-12-16 0:28:00 |
|
| 全文检索引擎Lucene源码分析－analysis包 | 我的毕业设计是基于全文检索引擎工具包Luncene的analysis包而实现的，期间查看了该包的源码并作了一些分析，现在贴出来以供参考。 阅读全文:全文检索引擎Lucene源码分析－analysis包 |
| |
Lagvin | 2006-12-15 16:31:00 |
|
| 自建Web搜索引擎和站内搜索引擎攻略（五） | 本章介绍了面向主题的搜索策略，并作了详细阐述。虽然在新闻搜索中并没有应用到搜索策略，但是对于WWW搜索引擎来说，搜索策略是极其重要的。他直接关系到搜索的质量以及匹配度等性能。
阅读全文:自建Web搜索引擎和站内搜索引擎攻略（五） |
| |
| 2006-12-13 11:20:00 |
|
| 自建Web搜索引擎和站内搜索引擎攻略（四） | 本章中详细介绍了如何构架基于Tomcat的Web服务器，使得用户通过浏览器进行新闻的搜索，最后还对Tomcat如何部署进行了说明。
阅读全文:自建Web搜索引擎和站内搜索引擎攻略（四） |
| |
| 2006-12-13 10:30:00 |
|
| 自建Web搜索引擎和站内搜索引擎攻略（三） | 在进行海量数据搜索时，如果使用单纯的数据库技术，那将是非常痛苦的。速度将是极大的瓶颈。本章提出了使用全文搜索引擎Lucene进行索引、搜索。最后，还结合了具体代码说明了如何把Lucene全文搜索引擎和Spider程序互相集合来实现新闻搜索的功能。
阅读全文:自建Web搜索引擎和站内搜索引擎攻略（三） |
| |
| 2006-12-12 9:32:00 |
|
| 自建Web搜索引擎和站内搜索引擎攻略（二） | 在本章中，首先介绍了网络机器人的基本概念，然后具体分析了Spider程序的结构和功能。在最后还结合具体代码进行了详细说明。
阅读全文:自建Web搜索引擎和站内搜索引擎攻略（二） |
| |
| 2006-12-10 11:01:00 |
|
|
沪ICP备06051139
