Heritrix總結及消重算法初探

好久沒有更新博客了。最後一次更新居然已經是一個月以前的事了。忍不住問自己，5月份都做了什麼？編程珠璣看了幾篇，但是沒有像之前那樣仔細去琢磨。數據壓縮好像就停留在SPIHT算法的理解上了。花了兩個星期搞了信息檢索的作業，老實說，還沒有做完。 我這部分的作業內容差不多是這樣的：改進Heritrix中的網頁消重方法。花了有一個多星期研究了Heritrix的總體構架。參考了網上的一些資料，自己也看了一些源

>>阅读原文<<