Atitit.数据检索与网络爬虫与数据采集的原理概论
1.1. 《信息检索导论》(（美）曼宁...)【简介_书评_在线阅读】 - dangdang.html1
1.2. 《现代信息检索(原书第2版)（由信息检索领域的代表人物撰写，及时掌握现代信息检索关键主题的详细知识）》(（智）贝泽耶茨...)2
2.2. 《用Python写网络爬虫》([澳]理查德...)3
3.1. 《Python网络数据采集》(...)【简介_书评_在线阅读】 - dangdang.html4
1. 信息检索
1.1. 《信息检索导论》(（美）曼宁...)【简介_书评_在线阅读】 - dangdang.html
第1章 布尔检索
第2章 词项词典及倒排记录表
第3章 词典及容错式检索
第4章 索引构建
第5章 索引压缩
第6章 文档评分、词项权重计算及向量空间模型
第7章 一个完整搜索系统中的评分计算
第8章 信息检索的评价
第9章 相关反馈及查询扩展
第10章 XML检索
第11章 概率检索模型
第12章 基于语言建模的信息检索模型
第13章 文本分类及朴素贝叶斯方法
第14章 基于向量空间模型的文本分类
第15章 支持向量机及文档机器学习方法
1.2. 《现代信息检索(原书第2版)（由信息检索领域的代表人物撰写，及时掌握现代信息检索关键主题的详细知识）》(（智）贝泽耶茨...)
第1章 引言
第2章 用户搜索界面
第3章 信息检索建模
第4章 检索评价
第5章 相关反馈与查询扩展
第6章 文档：语言及属性
第7章 查询：语言及属性
第8章 文本分类
第9章 索引和搜索
第10章 并行与分布式信息检索
第11章 Web检索
第12章 Web爬取
第13章 结构化文本检索
第14章 多媒体信息检索
第15章 企业搜索
第16章 图书馆系统
第17章 数字图书馆
2. 网络爬虫
这学期去图书馆借书，无意间看到一本书《网络机器人Java编程指南》。看了下感觉如获至宝。
市面上讲爬虫的书可以说是没有，基本上只有在搜索引擎类的书里有提到，而且只是讲个思想，没有可以用的代码。
有什么介绍网络爬虫的书籍推荐吗_百度知道.html
作者:: 绰号:老哇的爪子 （ 全名：：Attilax Akbar Al Rapanui 阿提拉克斯 阿克巴 阿尔 拉帕努伊 ） 汉字名：艾龙， EMAIL:1466519819@qq.com
转载请注明来源： http://blog.csdn.net/attilax
2.1. 第8章 web爬取199
8.1 一个简单爬虫算法199
8.1.1 宽度优先爬虫201
8.1.2 带偏好的爬虫201
8.2 实现议题202
8.2.1 网页获取202
8.2.2 网页解析202
8.2.3 删除无用词并提取词干204
8.2.4 链接提取和规范化204
8.2.5 爬虫陷阱206
8.2.6 网页库206
8.2.7 并发性207
8.3 通用爬虫208
8.3.1 可扩展性208
8.3.2 覆盖度、新鲜度和重要度209
8.4 限定爬虫210
8.5 主题爬虫212
8.5.1 主题本地性和线索213
8.5.2 最优优先变种217
8.5.3 自适应219
8.6 评价标准223
8.7 爬虫道德和冲突226
8.8 最新进展228
文献评注230
2.2. 《用Python写网络爬虫》([澳]理查德...)
第1章 网络爬虫简介 1
第2章 数据抓取 23
第3章 下载缓存 39
第4章 并发下载 57
第5章 动态内容 69
第6章 表单交互 89
第7章 验证码处理 103
第8章 Scrapy121
第9章 总结 143
3. 数据采集
主要获取pagesUrls,artUrls, picUrls
可参考火车头
3.1. 《Python网络数据采集》(...)【简介_书评_在线阅读】 - dangdang.html
第1章 初见网络爬虫 2
第2章 复杂HTML解析 11
第3章 开始采集 26
第4章 使用API42
第5章 存储数据 61
第6章 读取文档 80
第7章 数据清洗 94
第8章 自然语言处理 103
第9章 穿越网页表单与登录窗口进行采集 120
第10章 采集JavaScript128
第11章 图像识别与文字处理 139
第12章 避开采集陷阱 154
第13章 用爬虫测试网站 164
第14章 远程采集 174
4. 爬虫框架与工具
5. 参考资料
Atitit 网络爬虫的原理与实践attilax著