https://webarchivum.oszk.hu/mediawiki/index.php?action=history&feed=atom&title=WebSPHINX 2026-05-05T05:31:07Z Az oldal laptörténete a wikiben MediaWiki 1.31.16 https://webarchivum.oszk.hu/mediawiki/index.php?title=WebSPHINX&diff=1556&oldid=prev 2021-07-14T17:05:32Z

<p></p> <table class="diff diff-contentalign-left" data-mw="interface"> <col class="diff-marker" /> <col class="diff-content" /> <col class="diff-marker" /> <col class="diff-content" /> <tr class="diff-title" lang="hu"> <td colspan="2" style="background-color: #fff; color: #222; text-align: center;">← Régebbi változat</td> <td colspan="2" style="background-color: #fff; color: #222; text-align: center;">A lap 2021. július 14., 17:05-kori változata</td> </tr><tr> <td colspan="2" class="diff-lineno">1. sor:</td> <td colspan="2" class="diff-lineno">1. sor:</td> </tr> <tr> <td class="diff-marker">&#160;</td> <td style="background-color: #f8f9fa; color: #222; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>= (Website-Specific Processors for HTML INformation eXtraction) =</div></td> <td class="diff-marker">&#160;</td> <td style="background-color: #f8f9fa; color: #222; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>= (Website-Specific Processors for HTML INformation eXtraction) =</div></td> </tr> <tr> <td class="diff-marker">&#160;</td> <td style="background-color: #f8f9fa; color: #222; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"></td> <td class="diff-marker">&#160;</td> <td style="background-color: #f8f9fa; color: #222; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"></td> </tr> <tr> <td class="diff-marker">−</td> <td style="color: #222; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div>1998-2002 között a Carnegie Mellon University-n fejlesztett Java könyvtár és interaktív [[crawler]] fejlesztési környezet,<del class="diffchange diffchange-inline"> ami</del> a Compaq System Research Center 1997-es SPHINX nevű rendszerének mintájára készült, két részből álló open source szoftver. A ''Crawler Workbench'' egy grafikus felület, melyen keresztül konfigurálni és vezérelni lehet egy web crawlert. A letöltött weboldalak összefűzhetők (pl. nyomtatáshoz), szövegek és képek nyerhetők ki belőlük mintázat alapján, továbbá ábrázolhatók a köztük levő kapcsolatok gráf formájában. A ''WebSPHINX class library'' segítségével pedig saját crawler-eket lehet írni Java-ban. Támogatja a [[robots.txt]] szabályokat, a több szálon való letöltést, a reguláris kifejezések használatát, a linkek átnevezését mentéskor. Magas memória igénye miatt csak pár száz vagy ezer oldalból álló webhelyek letöltésére javasolt.</div></td> <td class="diff-marker">+</td> <td style="color: #222; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div>1998-2002 között a Carnegie Mellon University-n fejlesztett Java könyvtár és interaktív [[crawler]] fejlesztési környezet, a Compaq System Research Center 1997-es SPHINX nevű rendszerének mintájára készült, két részből álló open source szoftver. A ''Crawler Workbench'' egy grafikus felület, melyen keresztül konfigurálni és vezérelni lehet egy web crawlert. A letöltött weboldalak összefűzhetők (pl. nyomtatáshoz), szövegek és képek nyerhetők ki belőlük mintázat alapján, továbbá ábrázolhatók a köztük levő kapcsolatok gráf formájában. A ''WebSPHINX class library'' segítségével pedig saját crawler-eket lehet írni Java-ban. Támogatja a [[robots.txt]] szabályokat, a több szálon való letöltést, a reguláris kifejezések használatát, a linkek átnevezését mentéskor. Magas memória igénye miatt csak pár száz vagy ezer oldalból álló webhelyek letöltésére javasolt.</div></td> </tr> <tr> <td class="diff-marker">&#160;</td> <td style="background-color: #f8f9fa; color: #222; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"></td> <td class="diff-marker">&#160;</td> <td style="background-color: #f8f9fa; color: #222; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"></td> </tr> <tr> <td class="diff-marker">&#160;</td> <td style="background-color: #f8f9fa; color: #222; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>----</div></td> <td class="diff-marker">&#160;</td> <td style="background-color: #f8f9fa; color: #222; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>----</div></td> </tr> </table>

Admin https://webarchivum.oszk.hu/mediawiki/index.php?title=WebSPHINX&diff=1555&oldid=prev 2021-07-14T17:04:37Z

<p>Új oldal, tartalma: „= (Website-Specific Processors for HTML INformation eXtraction) = 1998-2002 között a Carnegie Mellon University-n fejlesztett Java könyvtár és interaktív crawl…”</p> <p><b>Új lap</b></p><div>= (Website-Specific Processors for HTML INformation eXtraction) =<br /> <br /> 1998-2002 között a Carnegie Mellon University-n fejlesztett Java könyvtár és interaktív [[crawler]] fejlesztési környezet, ami a Compaq System Research Center 1997-es SPHINX nevű rendszerének mintájára készült, két részből álló open source szoftver. A ''Crawler Workbench'' egy grafikus felület, melyen keresztül konfigurálni és vezérelni lehet egy web crawlert. A letöltött weboldalak összefűzhetők (pl. nyomtatáshoz), szövegek és képek nyerhetők ki belőlük mintázat alapján, továbbá ábrázolhatók a köztük levő kapcsolatok gráf formájában. A ''WebSPHINX class library'' segítségével pedig saját crawler-eket lehet írni Java-ban. Támogatja a [[robots.txt]] szabályokat, a több szálon való letöltést, a reguláris kifejezések használatát, a linkek átnevezését mentéskor. Magas memória igénye miatt csak pár száz vagy ezer oldalból álló webhelyek letöltésére javasolt.<br /> <br /> ----<br /> <br /> * [https://www.cs.cmu.edu/~rcm/websphinx/ A WebSPHINX weboldala]<br /> <br /> [[Category:SZOFTVEREK]]</div>

Admin