基于Heritrix和HTMLParser的网页商品信息提取的研究  

作　　者：刘文浩[1] 谢韬[1] 吴进[1] 

机构地区：[1]四川大学软件学院,成都610225

出　　处：《计算机光盘软件与应用》2012年第8期190-191,共2页Computer CD Software and Application

摘　　要：主要介绍Heritrix网络爬虫,分析了其系统结构。通过扩展Heritrix,使其能抓取太平洋电脑网站上的商品信息。在此基础上,利用ELFHash对效率抓取进行优化。最后,利用HTMLParser提取收集到的网页商品信息,为建立垂直搜索引擎提供信息源。

关 键 词：HERITRIX HTMLPARSER 网络爬虫 信息提取 垂直搜索 

分 类 号：TP391.1[自动化与计算机技术—计算机应用技术]