搜索资源列表
dpsearch-4.36.tar
- DataparkSearch是一个C/C++的web搜索引擎，它包括两个部分，一个indexer来收集和存储数据，一个web CGI 前端提供搜索所收集的数据。-DataparkSearch is a C / C web search engine, which includes two parts, an indexer to collect and store data, a web CGI front-end search the data collected.
lz_spidetytryryr
- 这个系统是属于自动化的搜索引擎，它可以从一个网址列表开始，自动寻找这些网址的下一级网页。可以让中小网站也有有自己特色的搜索引擎。 适合与于对某一指定领域里的网站进行搜索，比如仅搜索医学网站。 使用sql server 2000做数据库。 网络蜘蛛根据用户设定的入口网址自动收集网页数据 强大完备的后台管理 充分挖掘.net性能，百万数据瞬间搜索 完美的前台web页cc面媲美专业搜索 中文分词接口-The system is an automated search
webharvest1-project
- Web-Harvest是一个Java开源Web数据抽取工具。它能够收集指定的Web页面并从这些页面中提取有用的数据。Web-Harvest主要是运用了像XSLT,XQuery,正则表达式等这些技术来实现对text/xml的操作
collect
- 简易采集爬虫 # 1.我只做了一个收集url的功能，如果需要将数据入库，可在 parseData 函数里面写处理代码 # 2.需要sqlite3或者pysqlite支持 # 3.可以在DreamHost.com空间上面运行 # 4.可以修改User-Agent冒充搜索引擎蜘蛛 # 5.可以设置暂停的时间，控制采集速度-Simple collection reptiles# 1. I have only had a collection of url feature, if y
ProgrammingPCollectivePIntelligence
- 本书以机器学习与计算统计为主题背景，专门讲述如何挖掘和分析Web上的数据和资源，如何分析用户体验、市场营销、个人品味等诸多信息，并得出有用的结论，通过复杂的算法来从Web网站获取、收集并分析用户的数据和反馈信息，以便创造新的用户价值和商业价值。全书内容翔实，包括协作过滤技术（实现关联产品推荐功能）、集群数据分析（在大规模数据集中发掘相似的数据子集）、搜索引擎核心技术（爬虫、索引、查询引擎、PageRank算法等）、搜索海量信息并进行分析统计得出结论的优化算法、贝叶斯过滤技术（垃圾邮件过滤、文本过
Simple-collection-of-reptiles
- 简易采集爬虫 # 1.我只做了一个收集url的功能，如果需要将数据入库，可在 parseData 函数里面写处理代码 # 2.需要sqlite3或者pysqlite支持 # 3.可以在DreamHost.com空间上面运行 # 4.可以修改User-Agent冒充搜索引擎蜘蛛 # 5.可以设置暂停的时间，控制采集速度- Simple collection of reptiles # 1 I just made a collection of URL functi