ZCMS的网页采集功能界面简洁,但功能强大,共由五部分组成:
一、一个大容量的页面文件容器。
1.1 该容器能保存上千万的HTML、图片、视频,但又不能产生过多的小文件。
1.2 该容器能通过URL快速存取文件(类似于HashMap)
1.3 该容器支持压缩存放。
1.4 该容器将页面的概要信息和内容分开存放。
1.5 该容器的存取性能不随存取文件数量的增长有大的变化。
二、一个高效的HTTP下载器
2.1 完全支持HTTP 1.0/1.1
2.2 支持Cookie
2.3 支持HTTP压缩
2.4 自动识别网页字符集
2.5 能够处理链接跳转,包括302/303跳转、通过JS跳转以及通过Meta的refresh跳转。
2.6 能够识别无限URL循环。
2.7 能够自动识别分页的URL(即列表中的下一页,第几页等链接)
2.8 能够处理ASP.NET形式的通过表单回发处理的分页。
2.9 能够避免无限分页的情况(有的网站上永远有下一页,但下一页的内容总是和上一页相似)
2.10 支持通过代理下载
2.11 支持超时设置
2.12 支持最大下载数
2.13 支持多线程,可以设置线程数
三、一个完善的URL提取器
3.1 能够从HTML中正确提取全路径URL
3.2 支持过滤后缀
3.3 为URL编码,但己编码的URL要能自动识别,避免再次编码
3.4 只有符合指定形式的URL才提取
3.5 支持过滤指定形式的URL
四、一个便利的结构化数据提取器
4.1 能够通过模板方式提取结构化信息,模板应该简易,从代表性HTML中摘取经过简单修改即可提取(不能使用正则表达式,对于HTML正则表达式需要转义的字符过多)
4.2 提取时能够自动得到一个二维表
4.3 提取结果支持过滤掉指定形式的内容块(比如正文中的广告)
4.4 能够自动下载正文中的图片
4.5 能够去掉正文中的超链接
五、一个准确率较高的正文提取器
5.1 以95%以上的准确率从HTML中提取文章正文
5.2 自动识别首页和列表页,不从其中提取正文
5.3 未成功提取正文时将Meta的Content中置为正文
将会以较多篇幅逐个介绍各部分的设计原理。
可以通过http://demo.zving.com体验
分享到:
相关推荐
A2ZCMS - CI ====== 基于 Codeigniter 2.2.0 的 A2Z CMS A2Z CMS 特点: 代码点火器 2.2.0 推特引导程序 3.0.0 后端 自动安装和设置网站。 用户和角色管理。 查看用户登录历史。 管理博客帖子和评论。 管理...
(简称ZCMS) 是一套基于J2EE和插件技术的、面向高端用户的网站内容管理软件,集内容规划、内容创作、内容编辑、内容审核、基于模板的内容发布等功能于一身,并提供互动组件、可视化专题、内容采集、内容检索、访问...
泽元网站内容管理系统 (简称ZCMS) 是一套基于J2EE和 AJAX 技术的企业级网站内容管理软件(CMS),集站点管理、内容创作、内容审核、基于模板的内容发布、内容采集、内容检 索、多媒体内容管理于一身。ZCMS 允许非专业...
ZCMS(Zhacai Content Management System)是由Zhacai学习并开发的一个基于Vue和JQuery的内容管理系统。此为WEB应用技术的期末大作业,遵循GPL-3.0协议开源,欢迎提出改进意见。 ZCMS (Zhacai Content Management ...
(简称ZCMS) 是一套基于J2EE和插件技术的、面向高端用户的网站内容管理软件,集内容规划、内容创作、内容编辑、内容审核、基于模板的内容发布等功能于一身,并提供互动组件、可视化专题、内容采集、内容检索、访问...
本教程主要对ZCMS系统中有关信息的管理进行了详细的介绍与说明。
本教程主要对ZCMS系统中栏目的相关信息的管理进行了详细的介绍与说明。
thinkphp-zcms, 一个基于thinkphp3.2开发的cms系统,功能比较全面。
本教程主要对ZCMS系统的安装步骤进行了详细的介绍与说明。
本教程详细的介绍了ZCMS系统中访问统计的相关信息。
本教程主要对ZCMS系统中的文章编辑进行了详细的介绍与说明。
本教程主要对ZCMS系统中自定义数据的相关信息进行了详细的介绍与说明。
本教程主要对ZCMS系统中的工作流的相关定义进行了详细的介绍与说明。
zDialog3.0 zDialog升级最新版, zDialog在zcms提取最新版
ZCMS弹出框架最新版 zDialog最新版 ZCMS 泽元管理系统, 为了方便大家发扬楼主共享原则,放出共享。调用JS时候请不要删除大神名称,谢谢!
ZCMS内容管理系统_功能说明文档功能介绍
本教程详细的介绍了ZCMS系统中文章的相关设置。
zcms 一个节点cms 只是为了学习节点,角度等
ZCMS站点在Tomcat下使用单独域名的解决方法ZCMS站点在Tomcat下使用单独域名的解决方法ZCMS站点在Tomcat下使用单独域名的解决方法ZCMS站点在Tomcat下使用单独域名的解决方法ZCMS站点在Tomcat下使用单独域名的解决方法...
本教程主要对ZCMS系统中的图片管理进行了详细的介绍与说明。