自动采集编写(网页采集是什么，又是如何采集的呢？(图))

　　自动采集编写(网页采集是什么，又是如何采集的呢？(图))

　　在网页设计中，什么是网页采集

以及它是如何采集

的？

　　网页采集

作为政府网站网页在线归档的首要环节，就是利用相关工具，按照既定的频率和方法，及时筛选出值得保存的政府网页内容。网页采集

的第一步是确定采集

对象。政府网页档案中存储的信息采集对象为域名带有“”的政府网站。为了保证政府网页的采集质量，需要对目标网站进行评估，信息量大。, 选择原创

信息多、更新频繁的政府网站作为采集对象。确定要采集的目标政府网站后，

　　完整性采集和选择性采集是目前比较常用的网络资源采集方式。他们有自己的优点和缺点。为了弥补各自的不足，可以通过结合两者优点的混合采集方式来补充两种采集方式的优点。,在采集

入选政府网站所有网页完整性的同时，通过人工干预筛选网页内容，有选择地对具有证据价值、历史价值、研究价值的重要网页进行深度挖掘。分级频繁采集，既兼顾了政府网页采集的广度，又兼顾了重要网页的采集深度。

　　网页的采集和抓取最终需要依赖相应的网络爬虫工具。目前，有很多用于网页归档的爬虫工具。其中Heritrix和HTTrack是最常用的。这些工具可用于定位政府网站页面。自动批量在线采集。