设计 任务书 文档 开题 答辩 说明书 格式 模板 外文 翻译 范文 资料 作品 文献 课程 实习 指导 调研 下载 网络教育 计算机 网站 网页 小程序 商城 购物 订餐 电影 安卓 Android Html Html5 SSM SSH Python 爬虫 大数据 管理系统 图书 校园网 考试 选题 网络安全 推荐系统 机械 模具 夹具 自动化 数控 车床 汽车 故障 诊断 电机 建模 机械手 去壳机 千斤顶 变速器 减速器 图纸 电气 变电站 电子 Stm32 单片机 物联网 监控 密码锁 Plc 组态 控制 智能 Matlab 土木 建筑 结构 框架 教学楼 住宅楼 造价 施工 办公楼 给水 排水 桥梁 刚构桥 水利 重力坝 水库 采矿 环境 化工 固废 工厂 视觉传达 室内设计 产品设计 电子商务 物流 盈利 案例 分析 评估 报告 营销 报销 会计
 首 页 机械毕业设计 电子电气毕业设计 计算机毕业设计 土木工程毕业设计 视觉传达毕业设计 理工论文 文科论文 毕设资料 帮助中心 设计流程 
垫片
您现在所在的位置:首页 >>计算机毕业设计 >> 文章内容
                 
垫片
   我们提供全套毕业设计和毕业论文服务,联系微信号:biyezuopinvvp QQ:2922748026   
基于Python实现的文章整合搜索引擎网站(Scrapy+Django+MySQL) 毕业论文+项目源码及数据库文件+答辩PPT
文章来源:www.biyezuopin.vip   发布者:毕业作品网站  

摘 要
随着大数据时代的到来,信息的获取与检索尤为重要,如何在海量的数据中快速准确获取到我们需要的内容显得十分重要。因此本项目为了更好的整合利用安全领域特有的社区资源优势,首先使用 Scrapy 爬虫框架结合 NoSQL 数据库 Redis 编写分布式爬虫,并对先知、安全客、嘶吼三个知名安全社区进行技术文章的爬取;然后选取 ElasticSearch 搭建搜索服务,同时提供了 RESTful web 接口;最后通过 Django 搭建可视化站点,供用户透明的对文章进行搜索。
关键词: 分布式爬虫; Scrapy; 搜索引擎; Redis
Abstract
With the advent of the era of big data, the acquisition and retrieval of information is particularly important. How to get the content we need quickly and accurately in massive data is very important. Therefore, in order to better integrate and utilize the unique community resource advantage in the security field, this project firstly uses the Scrapy crawler framework combined with NoSQL database Redis to write distributed crawler, and then crawl for technical articles to three well-known security communities: XianZhi, AnQuanKe and RoarTalk. Then select ElasticSearch to build the search service while providing a RESTful Web interface. Finally, the visual site is built through Django for users to search articles transparently.
Key words: distributed crawler; Scrapy; Search engines; Redis
目 录
摘  要.............................................................. 1
1 概述.............................................................. 6
2 技术选型.......................................................... 6
2.1 Scrapy-Redis 分布式爬虫 ..................................... 6
2.1.1 Redis................................................. 6
2.1.2 Scrapy................................................ 7
2.2 MySQL 数据存储 .............................................. 8
2.3 Django 搭建搜索网站 ......................................... 8
2.4 ElasticSearch 搜索引擎 ...................................... 9
2.4.1 Elasticsearch-RTF..................................... 9
2.4.2 Elasticsearch-head................................... 10
2.4.3 Kibana............................................... 10
3 实现细节......................................................... 10
3.1 处理反爬................................................... 10
3.1.1 更换随机 User-Agent .................................. 10
3.1.2 使用 IP 代理池........................................ 11
3.1.3 访问频率限制......................................... 12
3.1.4 Cookie 的禁用 ........................................ 13
3.1.5 验证码识别........................................... 13
3.2 爬取数据................................................... 14
3.2.1 先知社区............................................. 14
3.2.2 安全客............................................... 17
3.2.3 嘶吼................................................. 19
3.3 重构分布式爬虫............................................. 21
3.3.1 需要解决的问题....................................... 21
3.3.2 分布式的原理......................................... 22
3.3.3 分布式的实现......................................... 23
3.4 搜索引擎................................................... 24
3.4.1 倒排索引............................................. 24
3.4.2 排序评分............................................. 25
3.4.3 搜索提示............................................. 26
3.4.4 模糊搜索............................................. 27
3.5 网页搭建................................................... 28
3.5.1 爬虫统计数据......................................... 28
3.5.2 热门搜索............................................. 28
3.6 其他技术................................................... 29
3.6.1 URL 去重策略 ......................................... 29
3.6.2 Bloom Filter 使用 .................................... 31
4 系统展示 ......................................................... 34
4.1 分布式爬取................................................. 34
4.2 搜索网站首页............................................... 36
4.3 搜索提示展示............................................... 36
4.4 搜索结果展示............................................... 37





















  全套毕业设计论文现成成品资料请咨询微信号:biyezuopinvvp QQ:2922748026     返回首页 如转载请注明来源于www.biyezuopin.vip  

                 

打印本页 | 关闭窗口
本类最新文章
YOLOv3改进算法在道路裂缝检 带有随机场变量结构的热-结构耦合 安卓深度学习垃圾分类 毕业论文
大学生心理健康APP的设计与实现 基于Python的乡村振兴电商导 基于SpringBoot与微信小
| 关于我们 | 友情链接 | 毕业设计招聘 |

Email:biyeshejiba@163.com 微信号:biyezuopinvvp QQ:2922748026  
本站毕业设计毕业论文资料均属原创者所有,仅供学习交流之用,请勿转载并做其他非法用途.如有侵犯您的版权有损您的利益,请联系我们会立即改正或删除有关内容!