网络爬虫 百科名片 网络爬虫 网络爬虫（又被称为网页蜘蛛，网络机器人，在FOAF社区中间，更经常的称为网页追逐者），是一种按照一定的规则，自动的抓取万维网信息的程序或者脚本。另外一些不常使用的名字还有蚂蚁，自动索引，模拟程序或者蠕虫。 目录 概述 爬虫技术研究综述 网页搜索策略 网页分析算法 补充 展开 编辑本段概述 　　引言 　　随着网络的迅速发展，万维网成为大量信息的载体，如何有效地提取并利用这些信息成为一个巨大的挑战。搜索引擎(Search Engine)，例如传统的通用搜索引擎Alta

动态网页的信息抽取W曲信息抽取将W|eb中的数据抽取出来并表示为结构化的形式。动态网页是通过程序动态生成 的页面。据统计，目前Web上的页面主要是以动态网页的形式存在。因此，研究动态网页的信息抽 取方法，具有较大的实用价值。 本文将动态网页分为记录级和页面级两类，主要工作包括：(1)针对记录级动态网页，提出基 于相似记录项归纳(Similar Records Induction，s对)的信息抽取方法。该方法采用编辑距离算法和树 排列算法归纳产生记录项的包装器树，并为抽取到的信息手工标注标签。(

基于页面分类的Web信息抽取方法研究