利用网页信息采集技术建立医院内网新闻平台探析.docVIP

利用网页信息采集技术建立医院内网新闻平台探析 　　摘要：利用网页采集技术，搭建内部新闻平台，医护人员通过信息系统内部网络即可及时了解国内和国际新闻动态。 关键词：网页采集；内网新闻；CMS 中图分类号：G640 文献标志码：A 文章编号：1674-9324（2013）51-0198-02 一、引言 我院信息系统网络与公网采取了严格的物理隔离措施，通过网闸来实现内外网之间的数据访问。医院在内网建立了内部网站，用于发布院内新闻和通知等信息。信息系统用户只能浏览内部网站提供的院内新闻，不能浏览公网信息。随着医院的不断发展和网络的普及，通过网络临床工作人员迫切希望能通过信息系统网络了解自己关心的国家时政、新闻、政策法规等信息。利用信息化技术消除“信息孤岛”，为临床工作者和医院管理人员提供更多服务 二、方案选择 实现以上功能，有以下两个方案： 方案一：利用现有网闸，将公网地址映射到内网，解决用户浏览新闻的问题。 方案二：在外网搭建自己的新闻平台，及时发布新闻信息，通过网闸映射该网站至内网。 方案一实施较为简单，仅需简单配置即可实现上述功能，但存在弊端，主要原因是公网网站上的内容一经映射到内网后，用户可以浏览网站内的全部信息，对于一些娱乐信息和无关信息无法屏蔽，浏览无法控制，所以方案一不予采纳。 方案二需搭建自己的新闻平台，实施起来较方案一复杂，但对新闻信息可以进行管理，规避一些无关信息，故采用了第二套方案。按照方案二，面临的问题是单靠人力逐条复制录入新闻，势必造成资源的极大浪费，故考虑采用网页信息采集技术，来实现新闻信息的批量获取和发布。网页信息采集技术是通过分析网页的HTML代码，获取网内的超级链接信息，使用广度优先有哪些信誉好的足球投注网站算法和增量存储算法，实现自动地连续分析链接、抓取文件、处理和保存数据的过程。 三、实施 具体实施过程如下： 1.CMS选型：CMS是Content Management System的缩写，意为“内容管理系统”，它具有许多基于模板的优秀设计，可以加快网站开发的速度和减少开发的成本。为了节省投资，目前较为流行的“帝国CMS”、“PHPCMS”、“织梦CMS”等免费CMS中进行了比较，感觉织梦CMS使用方便，模板较多，特别是后台带有网页采集模块，最终选定了织梦内容管理系统（以下简称DedeCMS）。 2.搭建服务器环境，笔者采用的Windows2003 Server IIS+PHP+ MySQL的模式搭建。PHP，是英文超级文本预处理语言Hypertext Preprocessor的缩写。PHP是一种HTML内嵌式的语言，是一种在服务器端执行的嵌入HTML文档的脚本语言，语言的风格有类似于C语言，被广泛地运用。现在PHP部署很简单，直接从http：//下载5.4.0版本安装包后，安装即可。 MySQL是一个小型关系型数据库管理系统，由于其体积小、速度快、总体拥有成本低，尤其是开放源码这一特点，许多网站选择了MySQL作为网站数据库。从http：///下载安装MySQL Installer 5.5.21版本进行安装。为了确保数据库的安全，在MySQL安装过程中应注意设置root用户密码。如果忘记设置，可在系统安装完毕后，可用mysqladmin命令设置密码。安装完毕后测试PHP及MySQL服务是否正常。 3.MySQL数据库管理，可用PhpMyAdmin或者Navicat MySQL。PhpMyAdmin的缺点是必须安装在Web服务器中，所以如果没有合适的访问权限，其他用户有可能损害到SQL数据。Navicat MySQL是一个强大的MySQL数据库服务器管理和开发工具。它可以与任何3.21或以上版本的MySQL一起工作，并支持大部分的MySQL必威体育精装版功能，包括触发器、存储过程、函数、事件、视图、管理用户，等等。它不仅对专业开发人员来说是非常尖端的技术，而且对于新手来说也易学易用。因是本地服务器，综合考虑，最后安装Navicat MySQL用于MySQL数据库管理。 4.安装DedeCMS，从http：///下载“DedeCMS V5.7”版本。按照网站提供的教程进行安装，安装过程中应注意以下几个问题：（1）data、templets、uploads、a或html目录，设置可读写，不可执行的权限。（2）不需要设置专题，建议删除special目录，需要可以在生成HTML之后，删除special/index.php然后把此目录设置为可读写，不可执行的权限。（3）include、member、plus、后台管理目录设置为可执行脚本，可读，但不可写入（安装了附加模块的，book、ask、company、group目录同样如此设置）。（