java课程设计—网络爬虫搜索引擎

学号：

课程设计

题目网络爬虫搜索引擎

学院管理学院

专业信息管理与信息系统

班级

姓名

指导教师王新

201 年7 月 4 日

课程设计任务书

学生姓名：

指导教师：王新工作单位：信息管理与信息系统系题目: 网络爬虫搜索引擎

初始条件：

合理应用Java相关知识与编程技能，结合UML面向对象设计，解决信息管理领域的实际问题，如学生成绩管理、学籍管理、图书借阅管理、自动存取款机、通信录管理、商品销售管理、医院门诊管理、火车订票管理、影院自动售票、世界杯足球比赛管理、人力资源管理、酒店前台管理、房产中介管理、停车收费管理等。

要求完成的主要任务:（包括课程设计工作量及其技术要求，以及说明书撰写

等具体要求）

1．进行需求分析，撰写需求文档，绘制用例图。

2．识别需求文档中的类，建模类，初步绘制类图（之后逐渐完善）。

3．确定、建模类的实例变量。

4．确定、建模类的方法。

5．若有需要，在系统中加入继承与多态。

6．将UML图转换成Java代码框架。

7．设计算法，若有复杂的数据结构需求，使用相应集合框架。

8．设计数据访问层，若有数据持久化需求，使用数据库/文件。

9．添加表示层，若程序运行在桌面，使用图形用户界面。

10．实现完整的系统，最终Java源代码至少在300行以上。

11．进行测试，并给出相应结果。

课程设计报告中要求详细描述思路、步骤、方法、实现、问题及解决过程、操作说明、测试及结果。

时间安排：

1．2014年6月23日课程设计选题、查阅资料

2．2014年6月24日~25日UML面向对象设计

3．2014年6月26日~7月1日Java程序设计与代码调试

4．2014年7月2日改进、完善、测试系统

5．2014年7月3日~7月4日上午撰写、提交课程设计报告

6．2014年7月4日下午课程设计答辩

指导教师签名：年月日

系主任（或责任教师）签名：年月日

网络爬虫搜索引擎

1项目介绍

1.1开发背景

该项目软件开发的意图是开发出一款网络爬虫软件。应用目标为搜集网络信息，便于查询使用。在如今的BIG DATA时代，网络信息庞大而又复杂，用户很难直接从中获得需要的信息。网络爬虫软件就是将这些信息收集并整理，当用户发起搜索请求时，该系统可将用户最需要的信息反馈给用户。

1.2用户的特点

本软件为免费软件，可供所有可使用互联网的用户使用。最终用户只需掌握基本的上网技术即可，操作人员的主要工作是启动和关闭服务器，只需掌握基本的电脑使用方法即可。维护人员需要专业的程序员，懂得Java的网络编程以及计算机网络基础，教育水平在专科以上。软件的预期工作时间为24h/日。

组织结构图及用户角色如图表1-1所示：

1.3需求分析

1.3.1各子模块功能的描述

本系统共分为三大模块：爬虫模块、数据库模块和搜索模块，也就是后台、前台和数据库。每一个模块有各自的分工，最后三大模块集合在一起构成一个完整的网络爬虫系统。各个子模块的详细功能如下：

1.3.2爬虫模块

第一个模块为爬虫模块。爬虫模块的主要任务是负责寻找网页，并将网页内的URL和关键字提取出来。此模块又详细分为两大模块：服务器模块和正则引擎模块，这两个模块分别负责上述的两个功能。

服务器模块向某个种子URL发送请求，或得其页面内容；正则引擎模块将服务器获取的页面用正则表达式对其进行分析，截取其中的URL和关键字，然后再将URL传递给服务器模块。系统按照这样的方式不断的抓取网页并进行分析，最后将结果存进数据库。

1.3.3搜索模块

第二个模块是搜索模块，用户在搜索界面输入关键字，然后系统在数据库中搜索对应的关键字，最后将结果返回给用户。

此模块又分为搜索界面和结果界面。搜索界面是首页，用户在此界面中输入想要搜索的关键词，这些关键词将被此页面记录下来传递到数据中进行搜素。结果页面是数据库结果的接受者，当数据库完成搜素后会将结果传递给次页面，然后结果页面会将结果呈现给用户。

1.3.4数据库模块

数据库模块在整个系统中起到存储和桥梁作用。爬虫模块将搜索的结果整理完成后存入数据库，搜索模块从数据库中获取需要的信息并呈现给用户。

1.4对非功能性的需求

1.4.1精度

该系统的输入为一个字符串，里面包含了一个或多个关键字，长度在38个汉字以内，超过的部分将被直接舍弃。输出的数据要求包括网站的URL和页面简介，按照页面内容与搜索内容的匹配程度来排序。

1.4.2时间特性要求

a)响应时间≤0.01s

b)更新处理时间≤0.1

c)数据的转换和传送时间≤0.1s

1.4.3灵活性

该系统运用的主要语言是Java，由于Java是一门跨平台的语言，所以本系统的兼容性比较强，只要配置了Java环境就可以运行。当该系统与数据库MySQL 的接口发生变化时，系统在重新加载了新的驱动后要能够正常运行。

1.4.4输人输出要求

输入：由用户输入搜索关键字，关键字类型为合法字符。

输出：显示结果列表或提示信息，包含页面地址、页面标题、页面描述的条目列表或字符串提示信息。

1.4.5故障处理要求

出错输出信息：根据不同的错误提供不同的错误提示信息。例如无网络连接、无法检索到结果。

出错处理对策：1）一般错误：显示错误信息，提示用户重新操作

2）严重错误：重新启动，必要时启用备份恢复数据

1.4.6其他专门要求

如用户单位对安全保密的要求，对使用方便的要求，对可维护性、可补充性、易读性、可靠性、运行环境可转换性的特殊要求等。

1) 健壮性：如果用户在发送搜索请求后与服务器连接中断，在用户重新连接后并重新请求时，系统应快速将信息反馈给用户。

2) 可维护性：新的管理员应该可以在10分钟以内掌握关闭和开启服务器等基本操作。

3）运行环境可转换行：任何装有浏览器的系统都应该可以访问服务器。当服务器更换操作系统时，在部署好Java环境后应可以马上运行。

2程序设计

2.1总体设计思想

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，服务器接收信息执行响应操作。

2.3程序设计总体框图