Zpřístupnění archivu českého webu

Bc. Lukáš Matějka

Diplomová práce

Accessing the Czech Web Archive

Anotace:

Cílem práce bylo navrhnout a realizovat systém, který by umožnil průběžnou indexaci a zpřístupnění veškerých archivovaných dat vytvořených automatizovaným sklízením. Současně, aby systém využíval stávající nástroje a mohl s~nimi komunikovat. Programové řešení je implementováno v jazyku Java, konkrétně Java servlety, které jsou spojeny s databází a rozšiřují základní funkčnost systému. Program byl vyvíjen na platformě Unix pod vývojovým prostředím Java Eclipse. Další použitou technologií je volně dostupná databáze MySQL. Licence programu je GPL (General Public licence).

Abstract:

Thesis deals with proposal and implementation of system for continuos indexing and accessing archived data created by automatous crawling. ARCWayback system is a set of utilities to maintain archives (Internet Archive's ARC format file). Java application stores metadata into MySQL database, provides access to archive through url and time and allows receive all document versions from archive. Java Eclipse IDE was used for the development. Program licence is GPL.

Klíčová slova

Archivace, archiv, zpřístupnění, WebArchiv, index, uchování, Internet, Nutch, WERA, Heritrix, elektronické dokumenty, databáze, preservation, culture heritage, web archiving

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 18. 5. 2006

Obhajoba závěrečné práce

• Obhajoba proběhla 27. 6. 2006
• Vedoucí: RNDr. Miroslav Bartošek, CSc.

Masarykova univerzita

Fakulta informatiky

Magisterský studijní program / obor:
Informatika / Informatika