资源名称：解密搜索引擎技术实战：Lucene&Java精华版(罗刚) PDF 第1章  搜索引擎总体结构1.1  搜索引擎基本模块1.2  开发环境1.3  搜索引擎工作原理1.3.1  网络爬虫1.3.2  全文索引结构与Lucene实现1.3.3  搜索用户界面1.3.4  计算框架1.3.5  文本挖掘1.4  本章小结 第2章  网络爬虫的原理与应用2.1  爬虫的基本原理2.2  爬虫架构2.2.1  基本架构2.2.2  分布式爬虫架构2.2.3  垂直爬虫架构2.3  抓取网页2.3.1  下载网页的基本方法2.3.2  网页更新2.3.3  抓取限制应对方法2.3.4  URL地址提取2.3.5  抓取Javaｓｃｒｉｐｔ动态页面2.3.6  抓取即时信息2.3.7  抓取暗网2.3.8  信息过滤2.3.9  最好优先遍历2.4  存储URL地址2.4.1  BerkeleyDB 2.4.2  布隆过滤器2.5  并行抓取2.5.1  多线程爬虫2.5.2  垂直搜索的多线程爬虫2.5.3  异步I/O 2.6  RSS抓取2.7  抓取FTP 2.8  下载图片2.9  图像的OCR识别2.9.1  图像二值化2.9.2  切分图像2.9.3  SVM分类2.10  Web结构挖掘2.10.1  存储Web图2.10.2  PageRank算法2.10.3  HITs算法2.10.4  主题相关的PageRank 2.11  部署爬虫2.12  本章小结 第3章  索引内容提取3.1  从HTML文件中提取文本3.1.1  字符集编码 资源截图：