新闻动态网页采集

网页采集作为政府网站网页在线归档的首要环节，就是利用相关工具，以既定的频率和方式，及时选择值得保存的政府网页内容。

网页采集的第一步是要确定采集对象，政府网页归档保存的信息采集对象是域名中含有“gov.cn”的政府网站，为确保政府网页的采集质量，需要对目标网站进行评价，将那些信息规模大、原生性信息多、更新频繁的政府网站选定为采集对象。在确定要采集的目标政府网站之后，还应根据实际需求选择相应的采集方式。完整性采集和选择性采集是目前比较常用的网络资源采集方式，它们各有优缺点，为了弥补其各自的不足，可以实现两种采集方式的优势互补，采用融合二者优点的混合型采集方式，在对选定的政府网站中所有网页进行完整性采集的同时，通过人工干预的方式对网页内容进行甄别，对其中有证据价值、历史价值、研究价值的重要网页，有选择性地进行深层次的频繁采集，这样既考虑到了政府网页采集面的广度，同时又照顾到了重要网页采集的深度。