本文在分析GB2312、GBK、GB18030、Big5、UTF-8等中文字符编码特征的基础上，重点研究了网页文件的中文字符编码识别技术。通过对比......

在对目前具有代表性的开源网络抓取软件Nutch、Heritrix、WCT、Web—Harvest进行比较分析的基础上，提出基于Nutch的Web网站定向采集......