完整型采集是對特定網(wǎng)域的全域進(jìn)行自動化采集，采集范圍廣、內(nèi)容多。美國的IA宗旨是保存互聯(lián)網(wǎng)的全面記錄，對全球公開的網(wǎng)站進(jìn)行定期采集。每兩個月，網(wǎng)站頁面快照都會被互聯(lián)網(wǎng)存檔，自IA項目啟動以來，互聯(lián)網(wǎng)存檔已經(jīng)存儲了2730億個網(wǎng)頁。
選擇型采集是有針對性地捕獲特定的網(wǎng)站，通常是根據(jù)事件、主題進(jìn)行選擇采集，采集范圍小，需要借助人力。例如，澳大利亞的PANDORA項目只采集與澳大利亞相關(guān)，且具有文化意義的網(wǎng)站；美國國會圖書館的Library of Congress Web Archives（以下簡稱LCWA）項目，重點采集與國家利益主題相關(guān)的網(wǎng)頁資源，包括美國選舉、伊拉克戰(zhàn)爭和911事件；蘇格蘭的NRS網(wǎng)頁檔案項目，事先制定指南，根據(jù)指南采集其范圍內(nèi)組織創(chuàng)建和擁有的網(wǎng)站，包括蘇格蘭政府、蘇格蘭議會、蘇格蘭法院等。
混合型采集是將兩種策略相結(jié)合，先大范圍地對網(wǎng)站進(jìn)行完整采集，再有重點地針對某些特定的網(wǎng)站進(jìn)行深度、頻繁的選擇性采集。英國的UKWA項目，首先爬網(wǎng)內(nèi)容是在英國發(fā)布的網(wǎng)站，如那些在英國頂級域名上的網(wǎng)站.uk、.cymru和.scot，以及可以手動識別出在英國發(fā)布的網(wǎng)站，再由工作人員定期關(guān)注、收集有關(guān)特定事件、主題或興趣領(lǐng)域的網(wǎng)站。
本文地址：http://blackside-inc.com//article/21662.html
