用Jena库实现Java链接数据的Web爬虫

Question

我必须实现一个访问Web上链接数据的Web。我已经为此建立了一个简单的功能。我对此有三个疑问：

1. 我应该用的种子是什么？提供RDF格式的数据并遵循Tim 链接数据原则？的网站。
2. 一般来说，对于网络黑客来说，你所说的圆形方法是什么意思？我读过关于一般Web爬虫的文章，发现应该遵循基于圆的方法。
3. 我只能解析能够返回RDF/XML数据的网页，.Is，它足以抓取链接的数据。

Answer 1

1. 有几个选项，例如，使用十亿三倍挑战垃圾场中找到的所有URI作为起点，或者使用数据集线器上的脂云组中列出的所有资源(可以通过CKAN API检索)。
2. 对不起，我不知道。
3. 不，RDF/XML是不够的，因为许多作为链接数据发布的数据集使用其他格式。您还需要乌龟和RDFa。您可以使用Apache Any23，它可以理解上述所有内容。LDSpider是一个使用Any23的爬虫。