如题所述
一、系统概述
要理解网络信息采集系统？首先我们要弄清楚什么是“信息采集”信息采集是指利用计算机软件技术，针对定制的目标数据源，实时进行信息采集、抽取、挖掘、处理，从而为各种信息服务系统提供数据输入的整个过程。
要求从互联网上对特定目标数据源或不特定目标数据源进行采集与监控，并对信息进行结构化抽取保存为本地结构化数据库，然后按业务流程需求与其它模块结合，导入与应用并服务于到电子行业平台。
互联网数据采集与挖掘技术是指利用计算机软件技术，针对定制的目标数据源，实时进行信息采集、抽取、挖掘、处理，从而为各种信息服务系统提供数据输入，并按业务所需，进行数据发布、分析的整个过程。
二、网络信息采集系统流程
各种网络信息采集系统的详细流程可能不太一样，但是基本的思路是一致的，下面以通用的乐思网络信息采集系统为例子，介绍一下基本的步骤
第一步：确定采集任务。
第二步：针对不同的目标数据源，进行不同的采集配置，以确保能采集到数据。
第三步：调度采集任务，与目标站点同步更新，增量采集。
第四步：采集到数据结果，完成数据异构到同构的过程。
第五步：通过发布服务器，将数据发布到应用平台。
三、 系统特点
本系统最大的特点是：采集方法的灵活性与采集数据的准确性
灵活性：任何复杂的查询与页面布局都可以灵活处理
准确性：结果数据高度准确(99%-100%)
对目标网站进行信息自动抓取，支持HTML页面内各种数据的采集，如文本信息，URL，数字，日期，图片等
用户对每类信息自定义来源与分类
可以下载图片与各类文件
支持用户名与密码自动登录
支持命令行格式，可以Windows任务计划器配合，定期抽取目标网站
支持记录唯一索引，避免相同信息重复入库
支持智能替换功能，可以将内容中嵌入的所有的无关部分如广告去除
支持多页面文章内容自动抽取与合并
支持下一页自动浏览功能
支持直接提交表单
支持模拟提交表单
支持动作脚本
支持从一个页面中抽取多个数据表
支持数据的多种后期处理方式
数据直接进入数据库而不是文件中，因此与利用这些数据的网站程序或者桌面程序之间 没有任何耦合
支持数据库表结构完全自定义，充分利用现有系统
支持多个栏目的信息采集可用同一配置一对多处理
保证信息的完整性与准确性，绝不会出现乱码
支持所有主流数据库：MS SQL Server, Oracle, DB2, MySQL, Sybase, Interbase, MS Access等
