解密搜索引擎技术实战：Lucene&Java精华版（罗刚） PDF

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：