完整性采集和選擇性采集是目前比較常用的網(wǎng)絡(luò)資源采集方式，它們各有優(yōu)缺點，為了彌補其各自的不足，可以實現(xiàn)兩種采集方式的優(yōu)勢互補，采用融合二者優(yōu)點的混合型采集方式，在對選定的政府網(wǎng)站中所有網(wǎng)頁進行完整性采集的同時，通過人工干預(yù)的方式對網(wǎng)頁內(nèi)容進行甄別，對其中有證據(jù)價值、歷史價值、研究價值的重要網(wǎng)頁，有選擇性地進行深層次的頻繁采集，這樣既考慮到了政府網(wǎng)頁采集面的廣度，同時又照顧到了重要網(wǎng)頁采集的深度。
而網(wǎng)頁的采集與捕獲最終還需要依靠相應(yīng)的網(wǎng)絡(luò)爬蟲工具來實現(xiàn)，目前面向網(wǎng)頁存檔的爬蟲工具比較多，其中Heritrix、HTTrack最為常用，可利用這些工具來有針對性地完成對目標(biāo)政府網(wǎng)站網(wǎng)頁的自動批量在線采集。
本文地址：http://knowyourextract.com//article/30389.html
