搜索资源列表
heritrix-1.6.0-src
- 非常优秀的搜索引擎 LInux下 java版本的 robot-excellent search engine LInux under java version of the robot
lucene_book(1)
- Lucene+Heritrix搜索引擎的一个成功案例 市值30000万 只需下载,用Eclipse-import为web工程就可以了 需要安装mysql 5.5 同时由于此工程为web工程所以假如您的Eclipse没有安装tomcatPlugin的话,请也同时安装tomcatPlugin
heritrix-1.12.1-src.tar
- 这是个爬虫和lucece相结合最好了，功能强大
heritrix-1.14.0-src
- 知名网络蜘蛛源码，可以下载整站内容，扩展性强，可以下载动态网页
网路蜘蛛源代码
- Heritrix编程
heritrix2.rar
- Heritrix是一个爬虫框架，可加如入一些可互换的组件。 它的执行是递归进行的，主要有以下几步： 1。在预定的URI中选择一个。 2。获取URI 3。分析，归档结果 4。选择已经发现的感兴趣的URI。加入预定队列。 5。标记已经处理过的URI ,Heritrix is a framework for reptiles, such as income may be a number of interchangeable components. It is a recursive implem
3
- 程序代码——可以对Heritrix进行索引和检索的Lucene程序-Code- can Heritrix Lucene indexing and retrieval procedures
heritrix1.14.4
- heritrix1.14.4.zip版，欢迎下载-heritrix1.14.4.zip version, welcome to download
Develop-its-own-search-engine
- 开发自己的搜索引擎lucene+heritrix（第2版）（ch2、ch7-ch9源码）-Develop its own search engine lucene+ heritrix (2) (ch2, ch7-ch9 source)
Develop-its-own-search-engine-2
- 开发自己的搜索引擎lucene+heritrix（第2版）（ch13-ch15源码）.rar-Develop its own search engine lucene+ heritrix (2) (ch13-ch15 source). Rar
4pm
- 本文用lucene和Heritrix构建了一个Web 搜索应用程序 Lucene 是基于 Java 的全文信息检索包，它目前是 Apache Jakarta 家族下面的一个开源项目。 Lucene很强大，但是，无论多么强大的搜索引擎工具，在其后台，都需要一样东西来支援它，那就是网络爬虫Spider。网络爬虫，又被称为蜘蛛Spider，或是网络机器人、BOT等，这些都无关紧要，最重要的是要认识到，由于爬虫的存在，才使得搜索引擎有了丰富的资源。 Heritrix是一个纯由Java开
heritrix
- 网络爬虫工具，源码，可以爬取网页数据，保存在本地数据库-network snap tool, get data from the network and save it to the database
heritrixDktj131_2012
- 扩展Heritrix开发包开发的面向主题的网络爬虫-The extended the Heritrix development package developed theme-oriented web crawler
search-eginee
- Luncene2.0+Heritrix开发自己的搜索引擎，书籍中的源码。-Luncene2.0+Heritrix develop its own search engine, in a book source.
heritrix_developer_manual
- Heritrix官方开发文档，crawler.archive.org/articles，提供了基本的类的开发介绍。-(Heritrix official development documents, crawler.archive.org/articles, provides a basic introduction class development.)
TmallSearch20130507
- 面向天猫网的搜索系统，使用了lucene和heritrix等开源工具。-Lynx-oriented network search system using lucene and heritrix and other open source tools.
heritrix
- 利用heritrix实现爬取特定网页内容功能。-Use heritrix achieve crawling specific web content features.
WPCrawler
- 网络爬虫，也叫网络蜘蛛，有的项目也把它称作“walker”。维基百科所给的定义是“一种系统地扫描互联网，以获取索引为目的的网络程序”。网络上有很多关于网络爬虫的开源项目，其中比较有名的是Heritrix和Apache Nutch。 有时需要在网上搜集信息，如果需要搜集的是获取方法单一而人工搜集费时费力的信息，比如统计一个网站每个月发了多少篇文章、用了哪些标签，为自然语言处理项目搜集语料，或者为模式识别项目搜集图片等等，就需要爬虫程序来完成这样的任务。而且搜索引擎必不可少的组件之一也