GooSeeker

同普通网络爬虫的比较

网络爬虫（Crawler）有很多名字，例如，蜘蛛（Spider）或者机器人（Robot）等，毫无疑问，MetaSeeker产品也采用了网络爬虫的理念，DataScraper主要承担了网络爬虫的职责，然而，MetaSeeker工具包并不是普通的网络爬虫。

普通的网络爬虫从一个页面开始，沿着页面上所有的链接爬行到尽可能多的页面上（或者用户设定爬行深度），在爬行的同时，将爬行到网页的内容及其目录结构存储下来。如果您问它找到了什么，假设它会说话，它会告诉您：“我找到了一堆数据和找到更多数据的线索”，但是它不知道这堆数据是什么，如果您想建立一个信息检索系统，这足够了，只要将找到的数据中的文本索引到数据库中即可。但是，如果您想根据语义对数据进行不同的处理，普通网络爬虫帮不上什么忙。

相反，MetaSeeker工具能够从堆积如山的Web数据中提取出有结构的信息来，它能够使用XML标签标定每个数据项的含义。但是，MetaSeeker 不具有人工智能，它不能像人类一样理解隐含在数据中的语义。它需要您的指导，您告诉它哪里、哪类网页上有什么结构的信息，但是它提供了很多便利手段，使您的指导简单易行，它也具有很强的适配能力，您只要给它一次指令，它能够筛选出所有同类目标，在尽量大的范围内执行指令。

概而言之，虽然多了指导MetaSeeker这一环节，回报是丰厚的，一旦在用户指导下提取到信息，这些信息是有结构的，信息的进一步处理可以由机器完成，例如，使用XSLT指令直接将结果文件转换或整合成HTML文件、输出到portal上或者提供mashup服务，普通网络爬虫胜任不了。

注意：MetaSeeker也可以像普通爬虫一样提取页面上的所有线索并下载整个页面内容，但是存储结果时不能复现目标网站的层次化的目录结构。

同普通HTML Wrapper（包装器）的比较

为了能够从HTML页面上提取特定的信息，需要一个功能部件，将HTML上的内容按照特定的模板重新组合，称为包装，可能的操作例如进行格式转换、过滤掉不需要的信息等等，在信息提取(网页抓取/抽取)

• MetaSeeker产生的Wrapper是元数据驱动的（meta-driven），而不特定于某种编程语言；
• MetaSeeker是一个基于图形界面的免编程Wrapper生成器，大大降低了对操作人员的技能要求；
• 生成的Wrapper并不是一个特定的部件，而是将Wrapper的功能融入一个分布式系统结构中，可以胜任高吞吐量即时的HTML信息提取(网页抓取/抽取)

MetaSeeker的特点

• 对Web技术是透明的，无论目标网站是用什么技术建立的，如html, php, jsp, asp, aspx, xhtml等等，MetaSeeker都一视同仁。
• 适应性强，能够提取各种论坛、博客、黄页和商业名录信息，免除用户为每一个网站甚至每一个频道定制信息提取(网页抓取/抽取)
• 免编程定义信息提取(网页抓取/抽取)
• 使用方便，操作直观，不包括用户理解目标页面语义结构花费的时间，用户定义信息提取(网页抓取/抽取)
• 验证手段完善，可以即时发现当前定义的信息结构有什么不足、信息提取规则是否准确等，定义过程和验证过程可以穿插进行，很快地定义出准确的信息结构。
• 管理工具功能强大，用户可以直观地跟踪信息结构定义的状态和信息提取进度和结果。
• 分布式部署，有效避免系统性能瓶颈的出现
• 准确性高，跟同类产品相比，MetaSeeker提取信息的准确性很高，用户可以放心地由程序自动处理信息提取结果，不必二次人工筛选。

MetaSeeker的弱点

• 使用MetaStudio定义信息提取(网页抓取/抽取)
• 某些情况下（例如，一个HTML页面的内容是从大量的源上下载下来的），DataScraper同一些在服务器侧进行信息提取(网页抓取/抽取)