存档搜集范畴。天然资源部派别网站网页存档搜集范畴控制于mnr.gov.cn域名下的网页，其实质涵盖行政事务公然、消息传播、处事效劳、互动交谈4个上面。行政事务公然重要囊括部构造各司局、国度天然资源督察组织、部各直属单元、场合各级天然资源主管部分供给的各类策略文献、规范规则，以及地盘商场和矿物业所有权关系行业商场数据等实质；消息传播囊括要害聚会、要害震动、要害谈话、策略解读等实质；处事效劳囊括地盘、矿产、晒图、地质和高科技等上面处事效劳实质，以及公示检查、存案查问等实质；互动交谈以留言指摘、在线访谈、搜集观察等实质为重要展现。

        本接洽过程领会研究判断，行政事务公然、消息传播和互动交谈等关系实质基础只依靠派别网站颁布体例，不妨实行存档搜集。对于处事效劳等实质，派别网站普遍只供给关系体例的进口，相关消息保存在其余体例、没辙被完备获得，该类消息姑且不归入存档搜集范畴。

        在本领上，本接洽运用搜集爬虫东西抓取网页文本、图片、动画、音视频、剧本及网页关系元数据等实质。爬虫东西按照预制的体例沙盘和网页url消息，经过网站拓扑构造领会、目的网页实质去噪妥协析、网页本子遏制等本领，对搜集到的数据举行搜集和整治，实行对洪量网页消息的高效、智能处置。