网络爬虫需求分析.docx

1、网络爬虫需求分析网络爬虫需求分析错误!未定义书签。 错误!未定义书签。 错误!未定义书签。 错误!未定义书签。 错误!未定义书签。1引言 编写目的 背景 定义 参考资料 2.任务概述. 目标 用户的特点假左和约朿 假设与依据3 需求规左 错误!未定义书签 错误!未定义书签 错误!未定义书签 错误!未定义书签 错误!未定义书签 错误!未定义书签对功能的规泄 错误!未定义书签。使用库 错误!未定义书签。对性能的规泄 错误!未定义书签。精度 错误!未定义书签。时间特性要求 错误!未定义书签。灵活性 错误!未定义书签。安全性 错误!未定义书签。可维护性 错误!未定义书签。输入输出要求 错误!未定义书签

2、。数据管理能力要求 错误!未定义书签。故障处理要求 错误!未定义书签。4.运行环境规定 错误!未定义书签。设备 错误!未定义书签。支持软件 错误!未定义书签。接口 错误!未定义书签。控制 错误!未定义书签。5.数据流图 错误!未定义书签。图 错误!未定义书签。7数据字典 错误!未定义书签。(1)数据流词条的描述 错误!未定义书签。(2)数据元素词条的描述 错误!未定义书签。(3)数据文件词条的描述 错误!未定义书签。8.小说明 错误!未定义书签。1引言编写目的为开发人员、维护人员.客户之间提供共同的协议而创立基础，对该软件功能的实现作使命描述。本说明书的预期读者为客户、业务或需求分析人员.测试

3、人员、用戸文档编写者.项目管理人员。背景软件系统的名称：网络爬虫S定义网络爬虫搜索引擎Web URL信息互联网参考资料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）Karl著 陆丽娜王忠民王志敏等译2 任务概述目标系统流程图1.客戸端向服务器发送自己设左好的请求。2.通过http将Web服务器上协议站点的网页代码提取出来。3.根据一左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岀发，访问该链接网页上的所有链接，访问完成后，再

4、通过递归算法实现下一层的访问。用户的特点使用本软件而向不同领域、不同背景的广大群众，可以根据自己制泄的搜索主题来使用本软件。假定和约束1.有CPU133、16兆内存配置的汁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朿。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 程陈述岀现问题，部分描述含混不淸，则会影响系统的完整性与可继承性。在管理方而，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

5、程的顺利 开展，导致工程无法按期完工。3.需求规定对功能的规定使用库规格说明引言显示所调用的数据库。输入指定的库文件名。加工调用指左的数据库。输出显示所指左的数据库的库结构。对性能的规定精度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，要求数据记录圮位准确，在往数据库文件数组中添加数时，要求输入数准确。时间特性要求a.响应时间应在人的感觉和视觉事件范囤内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：12秒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

6、文件内的记录改变，或将过滤条件改变即可。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疗:。可维护性本软件利用数据库进行编程，系统结构山程序基本确定，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。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。数据管理能力要求本系统采用sql server数据库对资源进行存储，英自带的空间自增长有效的解决了数据管理的问题。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

7、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。支持软件 本系统采用java语言制作,支持winXP/Linux等操作系统，由java虚拟机编译，测试软件为My Eclipse;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，然后访问索引数拯库进行匹配后获得检索结果，然后根据设宦的相关度进行降幕排序处理后返回给用戸。输出、输入 的相对时间将由pc机本身处理速度来决左。对程序的维护，需进行必要的备份。控制本软件通过客

8、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学生搜索方法弋有今正确搜索方法、效性/E郞吭實釁总匹网贞第三层图7数据字典2.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.搜索配巻=搜索方法+ URL4.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：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，否则按默认执行加工编号：加工名：对URL检查输入流：搜索方法中的初始URL输出流：正确的搜索配置加工逻辑：通过检查URL的存在性和价值性来判断该 URL是否可行加工编号：加工名：下载网页输入流：URL输出流：网页加工逻辑：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有关信息：URL应保证有效性加工编号加工名：除去相同的网页输入流：网页输出流：从互联网上下载的网页 加工逻辑：通过相似度il算来除去相 似网页