蘇州網頁設(she)計4.信息采集概述

Web是一個巨大的(de)資源寶庫，目(mu)前頁面(mian)數目(mu)已超過400億，每(mei)小(xiao)時還(huan)以(yi)驚人的(de)速度增長(chang)，里面(mian)有你需要的(de)大量有價值的(de)信息，例如潛在客戶(hu)的(de)列表與(yu)聯系信息，競爭(zheng)產品的(de)價格列表

，實時金(jin)融新聞，供求信息，論文(wen)摘要等等。 可(ke)是由(you)于關鍵信息都(dou)是以半(ban)結構化或自由(you)文(wen)本形式存在于大量(liang)的HTML網頁中，很難直接加以利用。

SiteServer CMS 信息(xi)采集(ji)功能的主要目標就是解決(jue)網(wang)(wang)絡(luo)信息(xi)的采集(ji)問題，系統通過一些定制(zhi)的采集(ji)邏輯，自動從指定網(wang)(wang)站或數據庫(ku)中(zhong)獲取內容(rong)并保存到網(wang)(wang)站中(zhong)。

一、主要功能
SiteServer CMS 提供(gong)強大的(de)信(xin)息采集功能模(mo)塊，用戶(hu)只需(xu)要(yao)告訴(su)系(xi)統(tong)目標網(wang)頁(ye)并簡單地設置頁(ye)面(mian)規則，很快(kuai)就可以直接得到所需(xu)要(yao)的(de)數(shu)據(ju)了。

 

除了典型的Web頁面信息采集外，系統還提供數據庫信息采集與單文件頁采集功能：
Web頁面信息采集用于自動從指定網站中獲取內容；
數據庫信息采集用于自動從指定數據庫中獲取內容；
單文件(jian)頁采集用于將(jiang)指定網頁采集到本(ben)地(di)的對應文件(jian)中。

二、系統特點
 結果數據高度準確
 對目標網站進行信息自動抓取，支持HTML頁面內各種數據的采集，如文本信息、圖片、附件、日期等
 用戶對每類信息自定義來源與分類
 可以下載圖片與各類文件
 支持定時任務，可以與SiteServer CMS 定時模塊相配合，定期抽取目標網站
 支持記錄唯一索引，避免相同信息重復入庫
 支持智能替換功能，可以將內容中嵌入的所有的無關部分如廣告去除
 支持下一頁自動瀏覽功能
 支持數據的多種后期處理方式
 數據直接進入數據庫而不是文件中，因此與利用這些數據的網站程序或者桌面程序之間沒有任何耦合
 支持數據庫表結構完全自定義，充分利用現有數據庫結構
 支持多個欄目的信息采集可用同一配置一對多處理
 保證信息的完整性與準確性，絕不會出現亂碼
三、運用行業
通過信息采集功能，用戶將在信息來源，資源整合方面節約大量的人力與資金。
廣泛應用于門戶網站，新聞媒體，科研單位、企業網站等領域。-技術支持：蘇州網絡公司