軍犬網(wǎng)絡(luò)采集系統(tǒng)用戶手冊

互聯(lián)網(wǎng)信息采集系統(tǒng)軍犬網(wǎng)絡(luò)信息采集系統(tǒng)用戶指南V5.0第一章：系統(tǒng)簡介31.1軟件簡介31.2 internet信息收集和挖掘31.3互聯(lián)網(wǎng)收集系統(tǒng)流程圖31.4系統(tǒng)應(yīng)用：41.5軟件功能41.6系統(tǒng)配置要求131.7系統(tǒng)性能13第二章：用戶指南142.1綜合設(shè)置142.1.1管理數(shù)據(jù)庫142.1.2管理表單142.1.3通道管理182.1.4管理模板192.2收集信息192.2.1站點默認屬性192.2.2提交訪問數(shù)據(jù)202.2.3預(yù)覽站點鏈接212.2.4收集和過濾222.2.5尋呼模板222.2.6附件收集設(shè)置232.2.7自動識別新聞232.2.8字段提取設(shè)置242.2.9字段后處理252.3站點管理252.3.1管理收集站點252.3.2掃描收集源252.3.3收集日志262.4信息管理262.4.1信息管理262.4.2附件管理272.4.3導(dǎo)入記錄272.4.4導(dǎo)出信息282.5消息發(fā)布28登錄到2.5.1發(fā)布服務(wù)器282.5.2獲取有關(guān)發(fā)布權(quán)限的信息292.5.3新發(fā)布表單發(fā)布映射292.5.4管理發(fā)布表單映射292.5.5發(fā)布通道映射管理30第一章：系統(tǒng)簡介1.1軟件簡介信息收集是利用計算機軟件技術(shù)對自定義目標數(shù)據(jù)源進行實時信息收集、提取、挖掘和處理，從而為各種信息服務(wù)系統(tǒng)提供數(shù)據(jù)輸入的整個過程。軍犬信息采集專家是一種基于人工智能的自動學(xué)習(xí)技術(shù)，它是一種強大、簡單、實用的互聯(lián)網(wǎng)信息收集和監(jiān)控軟件。1.2 internet信息收集和挖掘收集和監(jiān)視internet上的特定目標數(shù)據(jù)源或非特定目標數(shù)據(jù)源，將信息的結(jié)構(gòu)化提取存儲為本地結(jié)構(gòu)化數(shù)據(jù)庫，根據(jù)業(yè)務(wù)流程要求與其他模塊相結(jié)合，導(dǎo)入和應(yīng)用到電子行業(yè)平臺。internet數(shù)據(jù)收集和挖掘技術(shù)是指利用計算機軟件技術(shù)對自定義目標數(shù)據(jù)源進行實時信息收集、提取、挖掘、處理，以提供各種信息服務(wù)系統(tǒng)的數(shù)據(jù)輸入，并根據(jù)業(yè)務(wù)需要發(fā)布和分析數(shù)據(jù)的全過程。1.3互聯(lián)網(wǎng)收集系統(tǒng)流程圖第一步：確定收集操作。步驟2:每個收集作業(yè)都有多個目標數(shù)據(jù)源。第三步：對不同的目標數(shù)據(jù)源執(zhí)行不同的收集配置，以驗證是否收集了數(shù)據(jù)。步驟4:調(diào)度收集作業(yè)，更新目標站點和同步，增量收集。步驟5:收集數(shù)據(jù)結(jié)果并完成異構(gòu)數(shù)據(jù)之間的流程。步驟6:發(fā)布服務(wù)器以將數(shù)據(jù)發(fā)布到應(yīng)用程序平臺。1.4系統(tǒng)應(yīng)用程序領(lǐng)域：1、搜索引擎和垂直搜索2、集成門戶和行業(yè)門戶3、電子政府和電子商務(wù)4、知識管理和知識共享5、企業(yè)競爭情報系統(tǒng)6、BI業(yè)務(wù)智能系統(tǒng)7、信息咨詢和信息增值8、信息安全和信息監(jiān)控1.5軟件功能(1)，干凈智能的提取正文和圖形關(guān)聯(lián)圖：收集的目標源圖：收集后的“干凈”正文結(jié)果(2)豐富的數(shù)據(jù)導(dǎo)出界面，允許將數(shù)據(jù)導(dǎo)出到各種關(guān)鍵關(guān)系數(shù)據(jù)結(jié)構(gòu)。(3)，簡單的配置對于新聞信息收集，輸入目標網(wǎng)站的地址或標題頁面地址，軟件將自動學(xué)習(xí)網(wǎng)站的風(fēng)格，自動提取網(wǎng)站上的信息，無需配置模板，目標網(wǎng)站的風(fēng)格發(fā)生變化，軟件將自動學(xué)習(xí)。維護人員只需進行一些培訓(xùn)，即可通過提供有關(guān)數(shù)據(jù)收集軟件的直觀站點配置向?qū)砼渲盟行畔⑹占?。對于?fù)雜的收集流程，可以通過一個收集卡腳本自動收集和監(jiān)控信息。圖：輸入網(wǎng)址以完成配置任務(wù)圖：支持關(guān)鍵字收集，直接輸入關(guān)鍵字，在一個步驟中設(shè)置“關(guān)鍵字”輸入，完成配置任務(wù)(4)一獲得，就可以看到收獲。(圖：得到的就是得到的，得到的就是看到的(5)，增量收集和自動更新收集增量：軟件助手支持對原始收集目標站點進行完全收集。支持收集的站點的增量收集。自動更新支持：自動檢測站點是否發(fā)生了更新，并確保沒有遺漏任何重要信息。(6)，收集結(jié)果自動減肥不是利用簡單的規(guī)則判斷，而是利用內(nèi)容的相似性進行重復(fù)判斷，準確性高，不會因標題或內(nèi)容的一些變化而發(fā)生泄漏，即使修改標題后，系統(tǒng)也能正確判斷。(7)，內(nèi)置強大的信息監(jiān)控功能用一個關(guān)鍵詞可以廣域監(jiān)視網(wǎng)絡(luò)上某個網(wǎng)站的相關(guān)信息。您還可以設(shè)置監(jiān)視通道，以便所有站點監(jiān)視包含關(guān)鍵字的信息。對于數(shù)字字段，可以設(shè)置監(jiān)視錯誤監(jiān)視數(shù)值在一定范圍內(nèi)顯示的信息。信息監(jiān)視已達到字段級別?？勺屇O(shè)定所有收集目標網(wǎng)站的監(jiān)督特性(秒)。更改的信息可以在短時間內(nèi)本地收集。圖：獨特的監(jiān)視功能，用于進一步監(jiān)視和過濾收集的結(jié)果強大的站點管理工具可對所有收集對象執(zhí)行集中管理和各種操作圖：所有收集對象的集中管理和各種操作圖：根據(jù)需要自定義導(dǎo)航和分類圖：配置完整選項以提高收集性能圖：可以立即修改和編輯收集的結(jié)果(8)，支持多種編碼支持來自各種網(wǎng)站的信息的編碼、GBK、BIG5、unicode、UTF8和軟件自動轉(zhuǎn)換為GBK代碼，并進行統(tǒng)一處理。軟件自動識別站點的組織結(jié)構(gòu)，并自動識別站點的代碼。管理表單、根據(jù)需要自定義表單，以便輕松收集各種內(nèi)容，例如收集軟件的單獨表單、照片收集的圖片表單等。(9)，信息導(dǎo)入按需要導(dǎo)出提供信息導(dǎo)入導(dǎo)出器，以便與其他軟件(如CRM OA)無縫連接軟件提供了強大的信息記錄導(dǎo)入導(dǎo)出功能，可以導(dǎo)入和導(dǎo)出所有通道、一條記錄?？梢詫?dǎo)入(例如Excel/Access)，或直接導(dǎo)航到指定的數(shù)據(jù)庫。與信息發(fā)布服務(wù)器一起使用時，可以將信息發(fā)布到任何位置。(10)，支持模板讀取任何類型的信息，軟件都會自動創(chuàng)建讀取模板，以便快速讀取。所有信息任何信息表格都可以自定義美麗的閱讀模板，或在任何通道上設(shè)置不同的閱讀模板。(11)，支持多頁內(nèi)容重組如果目標數(shù)據(jù)源的文章在目標網(wǎng)站上分頁顯示，系統(tǒng)可以自動重新配置。軟件運行可靠性高，收集速度快，系統(tǒng)資源占用少多次改造的軟件收集基本模塊穩(wěn)定、收集速度快、系統(tǒng)資源少?？赏瑫r以多線程運行，而不占用大量系統(tǒng)資源。采集速度快到了原地。軟件可以完全執(zhí)行無人值守的信息收集，而不會造成7*24小時的中斷。使用時體驗更多詳細功能。(12)，其他特性列表：1、支持多種語言：支持多種語言，包括簡體中文、繁體中文、英語、日語、韓語支持多種站點類型，包括2、html和RSS3、登錄、驗證后收集支持4、收集需要軟件支持登錄和授權(quán)碼的網(wǎng)站信息，完全模仿收集過程。5、附件收集支持收集照片附件、收集多媒體附件、收集音頻和視頻附件、自動映射和關(guān)聯(lián)附件和正文6、完全結(jié)構(gòu)化提取將網(wǎng)頁中的非結(jié)構(gòu)化數(shù)據(jù)提取為特定的結(jié)構(gòu)化信息數(shù)據(jù)。web搜索以web頁面為最小單位，基于可視化的web塊分析以web頁面塊為最小單位，垂直搜索以結(jié)構(gòu)化數(shù)據(jù)為最小單位。然后，將該數(shù)據(jù)存儲在數(shù)據(jù)庫中，以進一步處理(例如，解碼、分類等)、最終分詞、索引和搜索方式滿足用戶的需要。在此過程中，數(shù)據(jù)從非結(jié)構(gòu)化數(shù)據(jù)提取為結(jié)構(gòu)化數(shù)據(jù)，經(jīng)過深入加工，然后以非結(jié)構(gòu)化和結(jié)構(gòu)化的方式返回給用戶。7、數(shù)據(jù)存儲在本地，可以隨時查看信息。收集的信息自動存儲在本地數(shù)據(jù)庫中，因此您可以隨時查看信息。8、多行圖層，多任務(wù)9、批量數(shù)據(jù)收集支持10、軟件實用、易用、功能強大11、可移植、可擴展、可自定義1.6系統(tǒng)配置要求需要WindowsNT4/Windows 2000 Server或更新的操作系統(tǒng)。需要Microsoft SQL Server 7/2000或其他ODBC界面硬件平臺：英特爾至強1G或更高版本的CPU，1000M或更高RAM，40GM或更高硬盤空間1.7系統(tǒng)性能l支持多線程收集。l數(shù)據(jù)收集級別g或更高的單機。l數(shù)據(jù)和數(shù)據(jù)源同步更新小于10秒。l數(shù)據(jù)同步發(fā)布小于10秒。第二章：用戶指南2.1綜合設(shè)置2.1.1管理數(shù)據(jù)庫新建數(shù)據(jù)庫通過“系統(tǒng)(s)”主菜單下的“新建數(shù)據(jù)庫功能”菜單，您可以創(chuàng)建全新的信息收集和管理數(shù)據(jù)庫。默認情況下，新數(shù)據(jù)庫會創(chuàng)建用于管理信息(如文章和新聞)的“新聞表格”，不能刪除此表格。創(chuàng)建新數(shù)據(jù)庫時，建議將數(shù)據(jù)庫文件存儲在與操作系統(tǒng)不同的驅(qū)動器上。這樣可以更安全地維護數(shù)據(jù)庫中的信息內(nèi)容。備份數(shù)據(jù)庫備份數(shù)據(jù)庫的功能允許您壓縮當前使用的數(shù)據(jù)庫，并將其備份到其他目錄。供將來使用。壓縮數(shù)據(jù)庫desktop的軟件版本使用Microsoft ACCESS數(shù)據(jù)庫，因此刪除記錄時不會自動釋放刪除記錄占用的空間。因此，必須定期壓縮當前使用的數(shù)據(jù)庫，以減少數(shù)據(jù)庫占用硬盤資源的空間。SQL Server版本軟件不需要使用壓縮數(shù)據(jù)庫的功能。軟件也屏蔽了此功能。2.1.2管理表單塑形的概念互聯(lián)網(wǎng)信息采編發(fā)系統(tǒng)中的表格與數(shù)據(jù)庫中的表格相同。通常，必須為每種信息類型創(chuàng)建一個存儲空間。不同之處在于，必須在每個表格中預(yù)設(shè)一些字段，以便統(tǒng)一管理數(shù)據(jù)庫中的所有表格記錄。通常，這些字段包含以下部分：顯示控制信息字段：密碼字段、字符顏色字段、字符背景顏色字段、圖標字段顯示后續(xù)追蹤資訊欄位：資訊來源地址欄位通道信息字段：通道信息，監(jiān)視器通道信息填寫表格下面以創(chuàng)建圖書館管理表格為例，逐步說明如何創(chuàng)建自己的管理表格。在主菜單欄上，找到“工具”=“管理系統(tǒng)表單”菜單，然后單擊彈出菜單上的“新建表單”按鈕。在表單標題編輯框中輸入“書籍表單”，然后在表單名稱編輯框中輸入“tblBookSheet”。注意：如果表單名稱或表單標題為空，則無法成功生成表單。單擊“存儲”按鈕后，將顯示一條消息，說明您已成功填寫了名為“書表單”的表單，書表單下有三個字段：“記錄號”、“通道名”和“源文字地址”。這三個字段是軟件管理一個表格中的記錄之一所需的字段。不能刪除或更改名稱或?qū)傩?。記錄號用于標識表格中所有記錄的唯一id。通道名稱用于標識記錄所屬的通道。源地址用于標識信息來自哪里。表單標題此字段用于輕松標記表單?！氨仨気斎搿?，建議表單標題在整個數(shù)據(jù)庫中是唯一的。表單名稱此字段用于在數(shù)據(jù)庫中創(chuàng)建表格的名稱，其值不能與數(shù)據(jù)庫中的其他表格名稱重復(fù)。“在數(shù)據(jù)庫中必須唯一”。字段值的長度不能超過20個字符(40個字母字符)，命名約定與Windows中的文件命名約定相同?？梢允褂门c表單標題相同的名稱，但建議使用tblXXXSheet作為命名規(guī)范。讀取模板此字段用于標識表格的信息內(nèi)容讀取模板的路徑，可以是文件路徑名(如e : quick reader readt model tblbooksheet . html)，也可以是網(wǎng)絡(luò)的路徑名(如33636363http:/www . xww . xbooksheet . html)也可以是相對路徑，例如： ready model TBL booksheet . html(如果在： c programname files collection software quick reader中安裝程序，則此相對路徑為c program name如果沒有該表格的讀取模板，則可以不在“讀取模板”字段中輸入值。上次創(chuàng)建此表格中的所有字段后，使用軟件提供的“創(chuàng)建模板”創(chuàng)建這些字段。添加字段例如，假定您要填寫圖書信息管理表格，則管理圖表需要以下字段：字段標題字段名稱說明屬性書名fldBookName用于存儲書的名稱字符型、長度40、Jacky和主題密鑰作者fldBookAuthor書作者字符類型，長度30購買日期您可以使用fldPurchaseDate控制或統(tǒng)計日期類型圖書價格fldBookPrice價格浮點類型借款人fldUserName當前貸款用戶名文字，長度40貸款日期fldBrowDate貸款日期類型圖書簡介fldBookMemo該書的說明注釋類型如果選擇了剛剛創(chuàng)建的“書籍表格”，然后單擊“新字段”按鈕，節(jié)點將添加到“書籍表格”下，編輯框中將預(yù)輸入“新字段”，您可以輸入字段標題，也可以在列表的“字段標題”下輸入。現(xiàn)在，在“編輯節(jié)點”中輸入書本名稱，然后單擊列表中的字段名，在編輯框中輸入fldBookName。選擇“文字”作為字段類型，選擇“長度=40”，選擇“設(shè)置Jackie=是，允許空值”作為“否”。單擊“保存”按鈕。如果沒有任何錯誤，就是說系統(tǒng)成功地在圖書表格中添加了圖書名稱字段。根據(jù)這個圖書館里的需求樣式，可以完成圖書表格的制作。表格中的每個屬性將在下面詳細介紹。字段標題此字段用于顯式標記字段的名稱，在同一表格中字段名不能重復(fù)。最大長度不能超過50字節(jié)。字段名稱此字段用于在表單中隱式顯示字段名，同一表單中