[发明专利]一种用于网络爬虫系统的网页内容抓取方法及装置有效
| 申请号： | 201210140751.4 | 申请日： | 2012-05-08 |
| 公开（公告）号： | CN103389983A | 公开（公告）日： | 2013-11-13 |
| 发明（设计）人： | 孙杰;蔡同利 | 申请（专利权）人： | 阿里巴巴集团控股有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京国昊天诚知识产权代理有限公司 11315 | 代理人： | 许志勇 |
| 地址： | 英属开曼群岛大开*** | 国省代码： | 开曼群岛;KY |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 用于 网络 爬虫 系统 网页 内容 抓取 方法 装置 | ||
1.一种用于网络爬虫系统的网页内容抓取方法，其特征在于，包括如下步骤：
构建一IP地址数据库，记录有预设网站的域名及与该域名对应的多个IP地址；
通过查询所述IP地址数据库，将所述网络爬虫系统欲执行抓取的目标网页地址URL中的域名替换为一个与该域名对应的IP地址后执行抓取。
2.如权利要求1所述的方法，其特征在于，所述IP地址数据库根据所述网络爬虫系统的查询，从与其查询的域名对应的多个IP地址中根据预设规则返回一个IP地址。
3.如权利要求2所述的方法，其特征在于，所述预设规则包括随机返回一个IP地址。
4.如权利要求2所述的方法，其特征在于，所述预设规则包括根据记录顺序返回上一次返回的IP地址的下一个IP地址。
5.如权利要求1所述的方法，其特征在于，所述与预设网站的域名对应的多个IP地址，包括该网站的内容分发网络CDN节点的IP地址和/或域名系统DNS轮询的IP地址。
6.一种用于网络爬虫系统的网页内容抓取装置，其特征在于，包括：
数据库模块，用于通过构建一IP地址数据库，记录预设网站的域名及与该域名对应的多个IP地址；
替换模块，用于通过查询所述IP地址数据库，将所述网络爬虫系统欲执行抓取的目标网页地址URL中的域名替换为一个与该域名对应的IP地址后执行抓取。
7.如权利要求6所述的装置，其特征在于，所述数据库模块，根据所述网络爬虫系统的查询，从与其查询的域名对应的多个IP地址中根据预设规则返回一个IP地址。
8.如权利要求7所述的装置，其特征在于，所述预设规则包括随机返回一个IP地址。
9.如权利要求7所述的装置，其特征在于，所述预设规则包括根据记录顺序返回上一次返回的IP地址的下一个IP地址。
10.如权利要求6所述的装置，其特征在于，所述数据库模块中记录的与预设网站的域名对应的多个IP地址，包括该网站的内容分发网络CDN节点的IP地址和/或域名系统DNS轮询的IP地址。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于阿里巴巴集团控股有限公司，未经阿里巴巴集团控股有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201210140751.4/1.html，转载请声明来源钻瓜专利网。
- 上一篇：超声风速温度仪局域网络系统及测量方法
- 下一篇：一种家居接口模块
