网络爬虫需求分析.docx
《网络爬虫需求分析.docx》由会员分享，可在线阅读，更多相关《网络爬虫需求分析.docx（10页珍藏版）》请在冰点文库上搜索。
网络爬虫需求分析
网络爬虫需求分析
错误!
未定义书签。
错误!
未定义书签。
错误!
未定义书签。
错误!
未定义书签。
错误!
未定义书签。
1•引言
编写目的
背景
定义
参考资料
2.任务概述.........目标
用户的特点
假左和约朿假设与依据
3•需求规左
错误!
未定义书签错误!
未定义书签错误!
未定义书签错误!
未定义书签错误!
未定义书签错误!
未定义书签
对功能的规泄错误!
未定义书签。
使用库错误!
未定义书签。
对性能的规泄错误!
未定义书签。
精度错误!
未定义书签。
时间特性要求错误!
未定义书签。
灵活性错误!
未定义书签。
安全性错误!
未定义书签。
可维护性错误!
未定义书签。
输入输出要求错误!
未定义书签。
数据管理能力要求错误!
未定义书签。
故障处理要求错误!
未定义书签。
4.运行环境规定错误!
未定义书签。
设备错误!
未定义书签。
支持软件错误!
未定义书签。
接口错误!
未定义书签。
控制错误!
未定义书签。
5.数据流图错误!
未定义书签。
图错误!
未定义书签。
7•数据字典错误!
未定义书签。
（1）数据流词条的描述错误!
未定义书签。
（2）数据元素词条的描述错误!
未定义书签。
（3）数据文件词条的描述错误!
未定义书签。
8.小说明错误!
未定义书签。
1•引言
编写目的
为开发人员、维护人员.客户之间提供共同的协议而创立基础，对该软件功能的实现作使命描述。
本说明书的预期读者为客户、业务或需求分析人员.测试人员、用戸文档编写者.项目管理人员。
背景
软件系统的名称：
网络爬虫
S
定义
网络爬虫搜索引擎WebURL信息互联网
参考资料
《网络爬虫软件的研究与开发》中图分类号：
TP319《软件导刊》2011年5月第10卷第5期
《软件需求》（美）Karl著陆丽娜王忠民王志敏等译
2•任务概述
目标
系统流程图
1.客戸端向服务器发送自己设左好的请求。
2.通过http将Web服务器上协议站点的网页代码提取出来。
3.根据一左的正则表达式提取出客户端所需要的信息。
4.采用深度优先搜索从网页中某个链接出发，访问该链接的网页，并通过递归算法实现依次向下访
问。
5.采用广度优先搜索从网页中某个链接岀发，访问该链接网页上的所有链接，访问完成后，再通过递
归算法实现下一层的访问。
用户的特点
使用本软件而向不同领域、不同背景的广大群众，可以根据自己制泄的搜索主题来使用本软件。
假定和约束
1.有CPU133、16兆内存配置的汁算机就可运行本系统。
2.在管理方针、并行操作、安全与保密方面无约朿。
假设与依据
本软件在开发的过程中，分为技术实现与软件工程两大部分，两部分都有侧重点，若技术支持出现故障或疑难问题无法解决、程序开发出现偏差，会延误工程进度，影响工程的按期完工。
若软件工程陈述岀现问题，部分描述含混不淸，则会影响系统的完整性与可继承性。
在管理方而，如管理者没有预见性，对出向的问题无法采用可行的解决手段，都会影响开发模块之间的互动，从而影响工程的顺利开展，导致工程无法按期完工。
3.需求规定
对功能的规定
使用库
规格说明
引言
显示所调用的数据库。
输入
指定的库文件名。
加工
调用指左的数据库。
输出
显示所指左的数据库的库结构。
对性能的规定
精度
1.用户在设置爱好时进行精度提示，提交给服务器后进行精短校验。
2.在进行向数据库文件提取数据时，要求数据记录圮位准确，在往数据库文件数组中添加数时，要
求输入数准确。
时间特性要求
a.响应时间应在人的感觉和视觉事件范囤内
b.更新处理时间：
随着本系统的版本升级，系统将相应的进行更新
c.数据的转换和传送时间：
1~2秒
灵活性
当需求发生某些变化时，本系统操作方式、数据结构、运行环境基本不会发生变化，变
化只是将对应的数据库文件内的记录改变，或将过滤条件改变即可。
安全性
本软件大量的参数及文本内容全部放于汉语编程数据库中，所以参数不容易被错改、破
坏，万一参数受到破坏也不会影响源程疗:
。
可维护性
本软件利用数据库进行编程，系统结构山程序基本确定，大量的参数及文本内容全部放于汉语编程中。
修改、更新数据只要在数据库进行修改添加，而不需要对系统结构进行修改，这样系统维护性、升级都十分方便。
<
输入输出要求
用户应该输入一个合法的初始URL作为初始入口。
数据管理能力要求
本系统采用sqlserver数据库对资源进行存储，英自带的空间自增长有效的解决了数据管理的问题。
故障处理要求
当客户端多数用户同时使用，可能造成服务器负载过重，于是启用了多线程方法，同时限定最大线程数，防止服务器崩溃。
4.运行环境规定
设备
本软件不需要特定的硬件或硬件接口进行支撑。
486以上具备有java的运行环境jdk的PC机均
可运行此软件。
运行时需要联机。
支持软件
•••
本系统采用java语言制作,支持win〃XP/Linux等操作系统，由java虚拟机编译，测试软件为MyEclipse;
接口
客户端浏览器是搜索引擎和用户之间的接口。
其首先获取用户搜索条件并加以分析，然后访问索引
数拯库进行匹配后获得检索结果，然后根据设宦的相关度进行降幕排序处理后返回给用戸。
输出、输入的相对时间将由pc机本身处理速度来决左。
对程序的维护，需进行必要的备份。
控制
本软件通过客户端浏览器，用户设置自己的爱好，并通过http传给服务器，服务器接受信号执行响应操作。
5•数据流图
第一层
第二层
学生
搜索方法弋有今正确搜索方法'、效性/
E郞吭實釁总匹
网贞
第三层
图
7•数据字典
2.搜索方法=搜索策略+抓取类型。
搜索策略="广度优先”|"深度优先”|“最好优先”抓取类型=音频|视频|图片
2.网页信息=主题+内容+链接地址
3.搜索配巻=搜索方法+URL
4.下载网页=站内爬取+外链爬取
5.验证URL有效性=存在性+价值性
8•小说明
加工编号：
加工名：
设置搜索方法
输入流：
自定义搜索方法表
输出流：
完整的搜索方法表
加工逻辑：
将自定义搜索方法表及系统默认选项参数加工成完整的搜索方法表
有关信息：
当有选择输入时执行此加工，否则按默认执行
加工编号：
加工名：
对URL检查
输入流：
搜索方法中的初始URL
输出流：
正确的搜索配置
加工逻辑：
通过检查URL的存在性和价值性来判断该URL是否可行
加工编号：
加工名：
下载网页
输入流：
URL
输出流：
网页
加工逻辑：
根据完整的搜索方法表以初始URL或未搜索的URL入口在互联网上下载网页
有关信息：
URL应保证有效性
加工编号
加工名：
除去相同的网页
输入流：
网页
输出流：
从互联网上下载的网页加工逻辑：
通过相似度il•算来除去相似网页
升级会员 