随着网站的维护和发展,尤其是网页的链接维护和删除,致使在网站服务器上产生越来越多的孤立文件(Isolated Web Files, IWF)。孤立文件存在于WEB服务目录中,具有完整有效的URL地址。通常该文件不能通过正常的超级链接或非磁盘文件遍历方式的网站搜索结果所取得,而仅能输入准确URL地址进行访问。孤立文件不仅浪费服务器的存储空间、危害系统安全,而且可能导致泄密、引发著作权纠纷或侵犯隐私等问题发生。使用其提供的错误信息指导实践可能带来不可预期的后果。为使网站内容保持完整性和可控性,需要研究WWW孤立文件的形成原因及发现机制。本文在分析孤立文件成因的基础上,提出判断孤立文件的机制：在网站任一静态网页的HTML源代码及网页资源来源数据库记录中均不含有对该文件的引用；在WEB日志中含有对该文件的有效引用则为相对孤立文件(Relative Isolated Web Files, RIWF),否则是绝对孤立文件(Absolute Isolated Web Files, AIWF)。判断孤立文件时,首先遍历WEB发布目录,得到全部文件清单并保存在数据库中；然后遍历服务器上静态网页HTML源代码及数据库相关记录,将全部URL保存在数据库中；接着将WEB文件清单和URL记录进行比对,在URL记录中没有找到的WEB文件即为孤立文件。最后将孤立文件与WEB日志进行对比,找出相对孤立文件和绝对孤立文件。对网页源代码的分析,需要采用正则表达式,因此本研究构造并运用了适合URL分析的正则表达式。基于上述方法,将孤立文件发现机制应用于微软IIS服务器的WEB环境,采用微软.net技术实现了孤立文件的发现。本文也对如何避免产生孤立文件、处理孤立文件过程中可能会遇到的各种问题进行了探讨。