[发明专利]一种用户访问行为的获取方法和系统

权利要求书

1.一种网络访问行为的获取方法，其特征在于，包括：

获取网页访问数据；

根据预先设置的策略，对网络访问数据的http头部中的字段进行过滤；

对过滤后的报文中的URL信息进行处理，得到用户的网络访问行为。

2.根据权利要求1所述的方法，其特征在于，所述预先设置的策略包括选择http实体为被压缩的实体或者含有title特征的未被压缩的实体，其中被选择的实体的http头部中的字段符合如下条件：

Content-Type字段是text/html的类型；

Content-Length字段小于或等于1024字节；

transfer-encoding首部的类型是chunked，并且该回应包的实体长度大于零并且该回应包的实体是以“.0d0a0d0a”结尾的；

URL的长度小于130字节；

URL文件后缀不是.js、.png、.css、.dif、.klz、.ico、.xml、.xsl、.ani或.dll。

3.根据权利要求1所述的方法，其特征在于：

所述方法还包括：

记录同一个IP地址对应的URL信息，将记录的URL信息作为用户的网络访问行为；

所述对过滤后的报文中的URL信息进行处理，得到用户的网络访问行为，包括：

将过滤得到的某一IP地址的网络访问数据中URL信息与本地记录的该IP地址对应的URL信息进行匹配；

如果该IP地址对应的URL信息有匹配对象，输出所述网络访问数据中的URL信息；否则，先将网络访问数据中的URL信息增加到该IP地址对应的URL信息中，再输出所述网络访问数据中的URL信息。

4.根据权利要求3所述的方法，其特征在于，所述将过滤得到的某一IP地址的网络访问数据中URL信息与本地记录的该IP地址对应的URL信息进行匹配，包括：

采用网络访问数据中URL信息与该IP地址对应的URL信息中的最后N个字节的内容进行比较，其中N的取值范围为20～1000。

5.根据权利要求3所述的方法，其特征在于：

所述记录同一个IP地址对应的URL信息，还包括：

记录所述记录同一个IP地址对应的URL以及该URL被访问的时间；

所述将网络访问数据中URL信息增加到该IP地址对应的URL信息中还包括：

当该IP地址对应的URL信息的个数达到预先设置的个数阈值后，根据该IP地址中每个URL被访问的时间，删除被访问时间最早的URL的信息。

6.根据权利要求5所述的方法，其特征在于，所述对过滤后的报文中的URL信息进行处理，得到用户的网络访问行为还包括：

如果该IP地址对应的URL信息有匹配对象，则获取该URL被访问的时间；根据该URL被访问的时间，发起对该IP地址中该URL的访问时间进行更新的操作。

7.根据权利要求5所述的方法，其特征在于，所述发起对该IP地址中该URL的访问时间进行更新的操作还包括：

如果该URL的被访问时间与该匹配对象被访问的时间的差值大于或等于预先设置的时间阈值，则将匹配对象被访问的时间更新为所述网络链接的发起时间。

8.根据权利要求3所述的方法，其特征在于，所述方法还包括：

如果某一URL被访问后，该URL链接到一个或多个URL，则在输出网络访问数据中的URL信息之前，查找网络访问数据中的URL信息中是否有预先定义的关键字，将不包括该关键字的URL作为最终的网络访问数据中的URL信息进行输出操作，其中所述关键字为该URL所链接到的其他URL的关键字。

9.一种网络访问行为的获取系统，其特征在于，包括：

获取装置，用于获取网页访问数据；

过滤装置，与所述获取装置相连，用于根据预先设置的策略，对网络访问数据的http头部中的字段进行过滤；

处理装置，与所述过滤装置相连，用于对过滤后的报文中的URL信息进行处理，得到用户的网络访问行为。