manual.parselink

来自「此源码功能是捕获网页中的链接并进行分析」· PARSELINK 代码 · 共 25 行

ParseLink for the CWT100g程序使用文档
2005-04-09 by YHF

所有程序代码是在linux环境下调试通过. 欢迎大家提供相应的window版本.

一、名词约定
以下名词在程序名和参数名中出现:
Raw: 原始网页库，文件名必须以"Tianwang.raw."开头.
Src: 表示将要读取的源文件，如SrcFile.
Dest: 表示将要写入的目标文件，即程序将要生成的文件，如DestFile.

二、程序约定
程序都需要指定参数，如果不带参数运行，则显示该程序的一段简要说明.
在不清楚程序运行参数的情况下，不带参数运行一下，可以了解该程序的使用方法.

三、详细说明
1. ParseLink: 该程序从一个Raw文件中提取出每个网页标识的urls.
usage: ParseLink RawDataFile
说明：提取出的links保存在文件"url."+RawDataFile中. 

2. ParseLink_d: 该程序将整个目录下的Raw文件串行提取links,避免一个一个文件操作.
usage:   ParseLink_d DestDbDir RawDataDir
说明：该程序调用上述程序ParseLink。所以必须确保ParseLink在PATH指定的目录下，如
$HOME/bin下.