Admin: Új oldal, tartalma: „A brit University of Sheffield digitális bölcsészeti intézetében 2017-ig fejlesztett open-source Java program, mellyel robotbarát fá…”

2023-07-10T18:14:16Z

Új oldal, tartalma: „A brit University of Sheffield digitális bölcsészeti intézetében 2017-ig fejlesztett open-source Java program, mellyel robotbarát fá…”

Új lap

A brit University of Sheffield digitális bölcsészeti intézetében 2017-ig fejlesztett open-source Java program, mellyel [[Crawler-friendly website|robotbarát]] fájlokká lehet konvertálni HTML, PDF és Word dokumentumok, valamint adatbázisok tartalmát a keresőgépek, az aggregátorok vagy egyéb webtartalom-gyűjtő alkalmazások számára. A program egy [[Crawler]] és egy Analyser modulból áll. Előbbi begyűjti a tartalmat, utóbbi pedig deduplikáció után kiszedi belőle és elmenti HTML RDFa, sima RDF vagy JSON-LD fájlokba a tulajdonneveket, a dátumokat, a gyakori kulcsszavakat (azok szinonimáival együtt), továbbá "értelmes" title-t és URL-t állít be. Végül a gyökérkönyvtárban elhelyezendő Sitemap, HTACCESS és HTMAPPER fájlokat is generál, melyek a robotokat ezekre a "barátságos" verziókra irányítják, az emberi felhasználókat pedig továbbküldik az eredeti weboldalakra/fájlokra/adatbázis rekordokra.

----

* [https://www.dhi.ac.uk/dewdrop/ A Dewdrop weboldala]

[[Category:SZOFTVEREK]]

Dewdrop - Laptörténet

Admin: Új oldal, tartalma: „A brit University of Sheffield digitális bölcsészeti intézetében 2017-ig fejlesztett open-source Java program, mellyel robotbarát fá…”