返回主题:深网采集与搜索策略

知识卡片

普通读书笔记卡 · 3829.f

类型化输入要用有效样本

理解等级:高级

邮编、日期和价格等文本框虽看似任意文本,实际只接受特定类型或范围;无效值会得到错误页。探测时应识别输入类型,并为有限集合抽取样本、为连续范围按不同数量级均匀采样,再用结果差异评估信息量。未来还可识别相关输入域(如最低价与最高价),联合测试精心选择的有效值以发现更多页面。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第09章 探寻Deep Web · 查看原书依据

      对于有限的类型(如美国的邮政编码和州的缩写),使用已知值的部分样本进行富信息量测试。对于连续的类型,可以根据不同规模次序,测试使用均匀分布值的集合。

    参考来源

    - 位置:《数据之美》第9章《探寻Deep Web》(源文件:`../程序之美系列套装(6册)团队之美、项目管理之美、架构之美、数据之美、测试之美、安全之美/_epub-src/OEBPS/Text/part0360.xhtml`、`../程序之美系列套装(6册)团队之美、项目管理之美、架构之美、数据之美、测试之美、安全之美/_epub-src/OEBPS/Text/part0361.xhtml`) - 结论依据:原文区分通用文本框与类型化输入框,并举邮编、日期和价格为例;它建议有限类型用已知值样本、连续类型按不同数量级采样,还指出相关输入域可通过联合有效值组合发现更多页面。 - 原始内容:只有键入适当值,键入的文本输入框才可以生成合理的结果页面。……对于有限的类型(如美国的邮政编码和州的缩写),使用已知值的部分样本进行富信息量测试。对于连续的类型,可以根据不同规模次序,测试使用均匀分布值的集合。/各个域的组合之间通常是相互关联的(如MinPrice和MaxPrice),输入有效的精心选择的值的组合可以探寻到更多的页面。