航天四創(chuàng )搜索服務(wù)系統（CSSv5.1）系統功能頻道管理

　　1）系統要求

　　Content采集Search服務(wù)系統經(jīng)過(guò)不斷的實(shí)踐和改進(jìn)，已經(jīng)成為功能更加先進(jìn)、成熟的產(chǎn)品。為行業(yè)用戶(hù)提供針對性強、針對性強的垂直搜索服務(wù)。它被政府、國有企業(yè)和公共機構使用。不錯的選擇。

　　CSSv5.1 的主要特點(diǎn)如下：

　?。?）定位獨一無(wú)二：面向政府、企事業(yè)單位，以實(shí)用為主，易學(xué)易用。

　?。?）有一個(gè)明確的目標：為用戶(hù)提供面向互聯(lián)網(wǎng)的信息采集、自定義索引和站點(diǎn)搜索服務(wù)，并支持各種功能模塊的集成應用。

　?。?）快速實(shí)施：專(zhuān)業(yè)實(shí)施人員一周內即可部署、安裝、調試系統。

　?。?）運維簡(jiǎn)單：應用智能引導方式，提供基礎配置邏輯，有效降低系統運維難度，改變非程序員操作難，讓產(chǎn)品擁有“傻瓜式" 特征。

　?。?）免費升級：運維期間，公司免費將產(chǎn)品升級到最新發(fā)布的版本。

　　(6）性?xún)r(jià)比高：航天四創(chuàng )搜索服務(wù)系統與市場(chǎng)同類(lèi)產(chǎn)品相比，以強大的功能和低廉的價(jià)格為核心競爭力。

　　2）系統框架

　　3）系統函數

　　渠道管理

　　頻道管理是定義采集任務(wù)信息并提取信息的管理模塊。不同的采集 網(wǎng)站按頻道分類(lèi)。通道可以收錄一項或多項任務(wù)。用戶(hù)可以根據分類(lèi)需要或習慣，將一些相關(guān)的網(wǎng)站歸為一個(gè)類(lèi)別，定義為一個(gè)頻道。

　　l 抓取配置：定義采集任務(wù)的優(yōu)先級，分配采集器，設置更新周期等運行設置。

　　l 調度配置：設置抓取任務(wù)為自動(dòng)抓取或定時(shí)抓取。

　　l 解析配置：設置抓取任務(wù)的頁(yè)面解析規則和元數據提議規則。

　　采集器管理

　　添加采集器的ip和端口，為采集服務(wù)的檢測提供基礎配置管理。

　　任務(wù)導出

　　用戶(hù)可以使用采集導出功能將采集任務(wù)下載的站點(diǎn)數據以XML文件的形式導出，并集成到其他業(yè)務(wù)系統中。 采集Export 提供根據任務(wù)組合、頁(yè)面發(fā)布時(shí)間、每頁(yè)導出記錄數、文件類(lèi)型、是否收錄圖片導出數據的功能。

　　索引庫管理

　　可以創(chuàng )建多個(gè)索引庫，每個(gè)索引庫可以添加多個(gè)索引條目。系統采用中文分詞技術(shù)，可設置索引項的分詞和模糊匹配。

　　同義詞管理

　　用戶(hù)可以使用詞典管理功能為索引過(guò)程創(chuàng )建同義詞詞典。具體操作包括創(chuàng )建同義詞、刪除同義詞、搜索同義詞。

　　索引設置

　　索引庫的基本配置，包括索引庫路徑、服務(wù)器地址等，提供系統定時(shí)自動(dòng)處理索引庫操作的功能。

　　分類(lèi)樹(shù)管理

　　用戶(hù)可以在類(lèi)目編號管理中定義父類(lèi)或子類(lèi)。在定義的分類(lèi)樹(shù)中，分類(lèi)在分類(lèi)樹(shù)中的位置是可以移動(dòng)的，但是分類(lèi)只能在同一層級之間移動(dòng)，不能越級移動(dòng)。如果移動(dòng)了父類(lèi)，那么父類(lèi)下的所有子類(lèi)也將被移動(dòng)。移動(dòng)。

　　分類(lèi)規則管理

　　分類(lèi)規則管理中可以定義分類(lèi)規則的各種屬性，包括分類(lèi)之間的關(guān)系、是否有效、關(guān)鍵詞、來(lái)源、文件類(lèi)型等。

　　分類(lèi)信息發(fā)布管理

　　可以管理分類(lèi)下的信息發(fā)布。

　　信息導出管理

　　用戶(hù)可以將定義的類(lèi)別下的信息導出并存儲在自己的文件目錄中。

　　4）系統功能

　　松耦合架構，支持各功能模塊的擴展應用

　　由于數據采集和內容檢索的廣泛應用，系統設計采用松耦合架構，各功能模塊相對獨立，使得采集和索引不僅僅是搜索服務(wù)系統的核心業(yè)務(wù)，還有其他業(yè)務(wù)系統集成。

　　多機采集，分布式部署，適應*敏*感*詞*采集任務(wù)

　　系統支持一臺機器或多臺機器上的采集任務(wù)。用戶(hù)可以通過(guò)注冊來(lái)聲明一個(gè)新的采集器。當采集任務(wù)過(guò)大時(shí)，采集器和數據庫的分布式部署可以處理海量數據。

　　基于超鏈接分析等技術(shù)，實(shí)現對各種數據的有效處理

　　能夠采集多種網(wǎng)頁(yè)類(lèi)型，包括：靜態(tài)網(wǎng)頁(yè)，如html、xml、shtml等； JavaScript 生成的動(dòng)態(tài)網(wǎng)頁(yè)和動(dòng)態(tài)超鏈接信息。

　　提供不同信息類(lèi)型的分析

　　包括動(dòng)態(tài)網(wǎng)頁(yè)信息和靜態(tài)網(wǎng)頁(yè)信息的分析附件，鏈接采集支持自定義爬取規則。根據目前的經(jīng)驗，正則表達式和通配符是一種比較簡(jiǎn)單的覆蓋鏈接范圍的方式 除了表達方式之外，考慮到邏輯判斷的需要，即一個(gè)正則表達式不能完全表達，邏輯可以完成通過(guò)動(dòng)態(tài)腳本。

　　多頁(yè)面解析方式，系統維護簡(jiǎn)單好用

　　利用XPATH逆向生成工具和在線(xiàn)驗證方式，實(shí)現所見(jiàn)即所得的元數據提取規則設置，改善只有技術(shù)人員才能維護的維護條件，提高系統維護的便捷性。

　　多種信息導出方式，支持信息復用

　　選擇采集task和cms列的對應關(guān)系，通過(guò)授權驗證后以cms提供的web服務(wù)接口的形式導出信息。

　　對于外部系統請求數據的過(guò)程，獲取信息有兩種方式，一種是XML導出，另一種是Web服務(wù)接口。