APHash算法相关论文
目前,语料在各项研究中发挥着重要作用,现在的语料采集方法还不能满足需要.本文提出了一种新的语料采集方法,可以准确迅速的采集特......
通过扩展Heritrix相应组件来抓取特定网页,实现预定的抓取策略,并加入APHash算法对URL进行散列,达到了多线程抓取网页的目的,极大......