网络爬虫需求分析Word下载.docx

网络爬虫需求分析Word下载.docx

《网络爬虫需求分析Word下载.docx》由会员分享，可在线阅读，更多相关《网络爬虫需求分析Word下载.docx（8页珍藏版）》请在冰豆网上搜索。

《网络爬虫软件的研究与开发》中图分类号：

TP319《软件导刊》2011年5月第10卷第5期

《软件需求》----（美）KarlE.Wiegers著　陆丽娜王忠民王志敏等译

2.任务概述

2.1目标

系统流程图

1.客户端向服务器发送自己设定好的请求。

2.通过http将Web服务器上协议站点的网页代码提取出来。

3.根据一定的正则表达式提取出客户端所需要的信息。

4.采用深度优先搜索从网页中某个链接出发,访问该链接的网页,并通过递归算法实现依次向下访问。

5.采用广度优先搜索从网页中某个链接出发,访问该链接网页上的所有链接,访问完成后,再通过递归算法实现下一层的访问。

2.2用户的特点

使用本软件面向不同领域、不同背景的广大群众，可以根据自己制定的搜索主题来使用本软件。

2.3假定和约束

1.有CPU133、16兆内存配置的计算机就可运行本系统。

2.在管理方针、并行操作、安全与保密方面无约束。

2.4假设与依据

　　本软件在开发的过程中，分为技术实现与软件工程两大部分，两部分都有侧重点，若技术支持出现故障或疑难问题无法解决、程序开发出现偏差，会延误工程进度，影响工程的按期完工。

若软件工程陈述出现问题，部分描述含混不清，则会影响系统的完整性与可继承性。

在管理方面，如管理者没有预见性，对出向的问题无法采用可行的解决手段，都会影响开发模块之间的互动，从而影响工程的顺利开展，导致工程无法按期完工。

3.需求规定

3.1对功能的规定

3.1.1使用库

3.1.1.1规格说明

　　3.1.1.2引言

　　显示所调用的数据库。

　　3.1.1.3输入

　　指定的库文件名。

　　3.1.1.4加工

　　调用指定的数据库。

　　3.1.1.5输出

　　显示所指定的数据库的库结构。

3.2对性能的规定

3.2.1精度

1.用户在设置爱好时进行精度提示，提交给服务器后进行精短校验。

2.在进行向数据库文件提取数据时，要求数据记录定位准确，在往数据库文件数组中添加数时，要求输入数准确。

3.2.2时间特性要求

a．响应时间应在人的感觉和视觉事件范围内

b．更新处理时间：

随着本系统的版本升级，系统将相应的进行更新

c．数据的转换和传送时间：

1~2秒

3.2.3灵活性

当需求发生某些变化时，本系统操作方式、数据结构、运行环境基本不会发生变化，变化只是将对应的数据库文件内的记录改变，或将过滤条件改变即可。

3.2.4安全性

　本软件大量的参数及文本内容全部放于汉语编程数据库中，所以参数不容易被错改、破坏，万一参数受到破坏也不会影响源程序。

3.2.5可维护性

本软件利用数据库进行编程，系统结构由程序基本确定，大量的参数及文本内容全部放于汉语编程中。

修改、更新数据只要在数据库进行修改添加，而不需要对系统结构进行修改，这样系统维护性、升级都十分方便。

3.3输入输出要求

用户应该输入一个合法的初始URL作为初始入口。

3.4数据管理能力要求

本系统采用sqlserver数据库对资源进行存储，其自带的空间自增长有效的解决了数据管理的问题。

3.5故障处理要求

当客户端多数用户同时使用，可能造成服务器负载过重，于是启用了多线程方法，同时限定最大线程数，防止服务器崩溃。

4.运行环境规定

4.1设备

本软件不需要特定的硬件或硬件接口进行支撑。

486以上具备有java的运行环境jdk的PC机均可运行此软件。

运行时需要联机。

4.2支持软件

本系统采用java语言制作，支持win7/XP/Linux等操作系统，由java虚拟机编译，测试软件为MyEclipse;

4.3接口

客户端浏览器是搜索引擎和用户之间的接口。

其首先获取用户搜索条件并加以分析，然后访问索引数据库进行匹配后获得检索结果，然后根据设定的相关度进行降幂排序处理后返回给用户。

输出、输入的相对时间将由pc机本身处理速度来决定。

对程序的维护，需进行必要的备份。

4.4控制

本软件通过客户端浏览器，用户设置自己的爱好，并通过http传给服务器，服务器接受信号执行响应操作。

5.数据流图

第一层

第二层

第三层

6.IPO图

7.数据字典

1.搜索方法=搜索策略+抓取类型。

搜索策略=“广度优先”|“深度优先”|“最好优先”

抓取类型=音频|视频|图片

2.网页信息=主题+内容+链接地址

3.搜索配置=搜索方法+URL

4.下载网页=站内爬取+外链爬取

5.验证URL有效性=存在性+价值性

8.小说明

加工编号：

1.1

加工名：

设置搜索方法

输入流：

自定义搜索方法表

输出流：

完整的搜索方法表

加工逻辑：

将自定义搜索方法表及系统默认选项参数加工成完整的搜索方法表

有关信息：

当有选择输入时执行此加工，否则按默认执行

1.2

对URL检查

搜索方法中的初始URL

正确的搜索配置

通过检查URL的存在性和价值性来判断该URL是否可行

2.1

下载网页

URL

网页

根据完整的搜索方法表以初始URL或未搜索的URL入口在互联网上下载网页

URL应保证有效性

加工编号2.2

除去相同的网页

从互联网上下载的网页

通过相似度计算来除去相似网页