网页搜集。网页搜集动作当局网站网页在线存档的重要步骤，即是运用关系东西，以既定的频次和办法，准时采用犯得着生存的当局网页实质。网页搜集的第一步是要决定搜集东西，当局网页存档生存的消息搜集东西是域名中含有“gov.cn”的当局网站，为保证当局网页的搜集品质，须要对目的网站举行评介，将那些消息范围大、原素性消息多、革新一再的当局网站选定于搜集东西。在决定要搜集的目的当局网站之后，还应按照本质需要采用相映的搜集办法。

       完备性搜集和采用性搜集是暂时比拟常用的搜集资源搜集办法，它们各有优缺陷，为了填补其各自的不及，不妨实行两种搜集办法的上风互补，沿用融洽二者便宜的搀和型搜集办法，在对选定的当局网站中一切网页举行完备性搜集的同声，经过人为干涉的办法对网页实质举行鉴别，对个中有证明价格、汗青价格、接洽价格的要害网页，有采用性地举行深档次的一再搜集，如许既商量到了当局网页搜集面包车型的士广度，同声又光顾到了要害网页搜集的深度。

       而网页的搜集与捕捉最后还须要依附相映的搜集爬虫东西来实行，暂时面向网页存档的爬虫东西比拟多，个中heritrix、httrack最为常用，可运用那些东西来有对准性地实行对目的当局网站网页的机动批量在线搜集。