1 / 6

Vyhľadávanie kontaktných údajov

Vyhľadávanie kontaktných údajov. pomocou Google API + regulárnych výrazov. Janiš Pavol. Čo rieši systém?. klasický zdroj kontaktných údajov v databázach - http://www.ifirmy.sk/ manuálne vkladanie nepokrýva údaje o firmách, ktoré sa neregistrovali

ludwig
Download Presentation

Vyhľadávanie kontaktných údajov

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Vyhľadávanie kontaktných údajov pomocou Google API + regulárnych výrazov Janiš Pavol

  2. Čo rieši systém? • klasický zdroj kontaktných údajov v databázach - http://www.ifirmy.sk/ • manuálne vkladanie • nepokrýva údaje o firmách, ktoré sa neregistrovali • možnosť prehľadávania domovských stránok firiem • kompletnosť a aktuálnosť údajov • aj firmy, ktoré o službách e-katalógov nevedia

  3. Ako to funguje? • Prehľadávací stroj GOOGLE • Prehľadávanie URL • Prehľadávanie HTML • Prehľadávanie slov • Využitie regulárnych výrazov, podslov • Vytváranie databázy vyhľadávaní

  4. Regulárne výrazy - mobilné telefónne čísla : '09[[:digit:]]{2}\/?[[:digit:]]{6}'  - pevné linky: '\+?421[[:digit:]]{2,}\/?[[:digit:]]{6,}' - e-mail: '[[:graph:]]+\@[[:graph:]]+\.sk ' - Ulica a číslo: '[[:upper:]][[:lower:]]{4,}[[:digit:]]+' - PSC: '[[:digit:]]{5}' Podslová: 'lovens', 'dresa', 'mail', 'elef', 'tel', 'fax', lic', 'jdete'

  5. Rozhranie a použitie

  6. Zhodnotenie - Systém parsuje html stránky pomaly (najmä stránky, ktoré zbytočne veľké, zložité stránky preplnené tagmi) - Systém napĺňa aj tabuľku words aj zbytočnými nepoužiteľnými slovami - Systém má obmedzenia na počet prehľadávaných výsledkov z google a počet stiahnutých slov z prehľadávanej stránky + Systém neprehľadáva 2 krát web na základe rovnakých kľúčových slov + Systém za pomoci predchodcov a následníkov objavuje kontaktné údaje, ktoré nepokryjú regulárne výrazy + Systém indexuje konkrétne vyhľadávania do tabuliek databázy pre ďaľšie použitie

More Related