完整型采集是對(duì)特定網(wǎng)域的全域進(jìn)行自動(dòng)化采集，采集范圍廣、內(nèi)容多。美國(guó)的IA宗旨是保存互聯(lián)網(wǎng)的全面記錄，對(duì)全球公開的網(wǎng)站進(jìn)行定期采集。每?jī)蓚€(gè)月，網(wǎng)站頁(yè)面快照都會(huì)被互聯(lián)網(wǎng)存檔，自IA項(xiàng)目啟動(dòng)以來，互聯(lián)網(wǎng)存檔已經(jīng)存儲(chǔ)了2730億個(gè)網(wǎng)頁(yè)。
選擇型采集是有針對(duì)性地捕獲特定的網(wǎng)站，通常是根據(jù)事件、主題進(jìn)行選擇采集，采集范圍小，需要借助人力。例如，澳大利亞的PANDORA項(xiàng)目只采集與澳大利亞相關(guān)，且具有文化意義的網(wǎng)站；美國(guó)國(guó)會(huì)圖書館的Library of Congress Web Archives（以下簡(jiǎn)稱LCWA）項(xiàng)目，重點(diǎn)采集與國(guó)家利益主題相關(guān)的網(wǎng)頁(yè)資源，包括美國(guó)選舉、伊拉克戰(zhàn)爭(zhēng)和911事件；蘇格蘭的NRS網(wǎng)頁(yè)檔案項(xiàng)目，事先制定指南，根據(jù)指南采集其范圍內(nèi)組織創(chuàng)建和擁有的網(wǎng)站，包括蘇格蘭政府、蘇格蘭議會(huì)、蘇格蘭法院等。
混合型采集是將兩種策略相結(jié)合，先大范圍地對(duì)網(wǎng)站進(jìn)行完整采集，再有重點(diǎn)地針對(duì)某些特定的網(wǎng)站進(jìn)行深度、頻繁的選擇性采集。英國(guó)的UKWA項(xiàng)目，首先爬網(wǎng)內(nèi)容是在英國(guó)發(fā)布的網(wǎng)站，如那些在英國(guó)頂級(jí)域名上的網(wǎng)站.uk、.cymru和.scot，以及可以手動(dòng)識(shí)別出在英國(guó)發(fā)布的網(wǎng)站，再由工作人員定期關(guān)注、收集有關(guān)特定事件、主題或興趣領(lǐng)域的網(wǎng)站。
本文地址：http://knowyourextract.com//article/21662.html
