基于HTML标记和长句提取的网页去重算法

提出了一种高效的算法来去除互联网上的重复网页。该算法利用HTML标记过滤网页中的干扰信息,然后提取出能表征一张网页的长句作为网页的特征。通过分析两张网页所共享长句的数量,来判断两张网页是否重复。该算法还利用红黑树对网页的长句进行索引,从而把网页去重过程转换为一个搜索长句的过程,减小了算法的时间复杂度。实验结果表明该算法能够高效,准确地去除重复的网页。     

如何让你的网站更有可阅性？

要设计一个好网站,一个可阅性的网站并不是那么难的事.很多朋友都会发觉访客来到网站只看了一页就跳转了,其他页面跟本就没有点击,访问的深度就只有一页,这就直接影响到回头客P值,你的网页会不会也是这种情况呢?下面给大家总结一些方法,让你的网页更有可阅性.     

新品信息

研华发布最新高速计数器／频率模块,研扬科技推出新品：带PCI和PC／104＋扩展的AEC-6905,ICOP昭营推出Windows Embedded CE 6．0套件,艾讯宏达推出UFP无风扇平板电脑,泓格科技发表最新无风扇嵌入式影像检测平台.     

解决网页无法复制方法的探析

网上有用的文章复制时,却发现无法选中网页中所需要的内容,无论是用IE浏览器编辑里的“全选”选项,还是利用Windows键盘中的“ctrl＋A”快捷键,都无法将整个页面的内容选中。因而,也就无法实现复制和粘贴,出现这种情况是因为这些网站出于某些原因,已对该网页的内容采取了加密措施,所以,采用常规的方法就不能再对其复制了。     

Nutch搜索引擎的页面排序修改方法研究

Nutch是一个优秀的开放源代码的Web搜索引擎.虽然 Nutch的页面排序方法比较合理,但是很多情况下仍然不能满足需要.分析开源搜索引擎N岫代码,研究了Nutch的页面排序方法.在Nutch原有的结构基础上提出了3种修改Nutch排序的方法,对每种方法的实现进行了阐述,最后对这些方法的特点进行了比较.     

一种高效的动态脚本网站有效页面获取方法

随着Web2.0时代的到来,越来越多的网站采用了动态脚本的方式与用户进行交互.页面的转换不再仅仅通过点击“”标签进行,URL也不再是页面的唯一标识.传统网络爬虫无法应对含动态脚本的网页,如Google等搜索引擎即对这些网页采取回避的态度.对这些网页的抓取方法的研究仍处在起步阶段,提出了一种高效的动态脚本网站有效页面的获取方法,首先通过训练获得哪些页面元素触发的哪些事件将引向我们所需的页面,并总结出这些页面元素的XPath特征及触发的事件类型.在以后的抓取中,只触发这些页面元素上的特定事件,从而提升抓取效率.此外,通过实验证明了我们方法的效率和性能.     

网络

Q1Firefox右键出现错误1问:我用的浏览器是Firefox3.0,最近只要在页面上右击鼠标就会出现"JAVAScript应用程序,TypeError:$('context-mark').setAttribute is not a function"的错误,请问这是什么原因?     

C#制作多功能屏幕保护程序

本文介绍如何使用C#完善Visual Studio 2005所提供的初学者工具包中的屏幕保护程序,主要完成三项功能,一是更换默认背景图片,二是增加了天气预报,三是对多RSS源访问的支持。     

基于GPS的基准频率源

为校准计数器、无线电接收器和信号发生器的频率,需要非常精确的10MHz和1MHz的信号源,《基于GPS的基准频率源》介绍的是与GPS相联系的基准频率源,可以获得星上铯射线"原子钟"的高精度信号。     

技巧留言簿

让纳米机器人彻底下岗 进入到资源的纳米盘下载页面,然后通过“使用迅雷下载全部链接”功能找到所有可下载的链接,但在最下面勾选“纳米机器人专用链接”选项,其余都不选。确定之后即可弹出“建立新的下载任务”对话框,接下来把网址括号以外的全都删除（包括括号）。操作完成之后即可实现用迅雷下载纳米资源了。