[发明专利]业务数据抓取方法和系统有效

专利信息
申请号: 201310325804.4 申请日: 2013-07-30
公开(公告)号: CN103399908B 公开(公告)日: 2017-02-08
发明(设计)人: 李正勇;曹东;李建涛 申请(专利权)人: 北京北纬通信科技股份有限公司
主分类号: G06F17/30 分类号: G06F17/30
代理公司: 北京博雅睿泉专利代理事务所(特殊普通合伙)11442 代理人: 马佑平
地址: 100166 北京市丰*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 业务 数据 抓取 方法 系统
【权利要求书】:

1.一种业务数据抓取方法,其特征在于,包括:

配置抓取操作时所需要的规则数据;

读取所述规则数据,根据该规则数据建立网页资源抓取任务,将抓取的网页资源按照配置规则分类进行存储;针对抓取到的所述网页资源建立数据解析任务,对抓取的所述网页资源通过解析HTML文档获取需要的资源URI,同时过滤数据不完整的资源;建立资源下载任务,对解析获取到的所述资源URI使用断点续传的方式下载,获得所述资源数据;

根据采集到的所述资源数据的完整性进行存储或重新抓取,并在所述抓取操作无法正常结束时发送报告信息。

2.如权利要求1所述的业务数据抓取方法,其特征在于,所述网页资源抓取任务,进一步为按照配置的所述规则数据创建的对应数量的多线程网页资源抓取任务。

3.如权利要求1所述的业务数据抓取方法,其特征在于,所述资源下载任务,进一步为按照配置的所述规则数据创建的对应数量的多线程资源下载任务。

4.如权利要求1所述的业务数据抓取方法,其特征在于,所述根据采集到的资源数据的完整性进行存储或重新抓取,进一步为:判断所述资源数据的完整性,若所述资源数据完整,则将该资源数据进行存储;若所述资源数据不完整,则遍历所述抓取操作中各任务执行时的状态,查找出导致所述资源数据不完整的任务状态,通过重启所述抓取操作从相对应的所述任务状态处进行重新抓取。

5.如权利要求1所述的业务数据抓取方法,其特征在于,所述规则数据,进一步为由资源URI、相关编码、抓取任务触发数据和/或规则模板数据构成的规则数据。

6.一种业务数据抓取系统,其特征在于,该系统包括:配置模块、抓取处理模块、完整性校验模块以及预警模块;其中,

所述配置模块,用于对抓取操作时所需要的规则数据进行配置,并将配置后的所述规则数据以配置文件的方式进行存储;

所述抓取处理模块,用于读取所述配置模块中存储的所述配置文件,获得所述规则数据,根据该规则数据建立网页资源抓取任务,将抓取的网页资源按照配置规则分类进行存储;针对抓取到的所述网页资源建立数据解析任务,对抓取的所述网页资源通过解析HTML文档获取需要的资源URI,同时过滤数据不完整的资源;建立资源下载任务,对解析获取到的所述资源URI使用断点续传的方式下载,获得所述资源数据;将采集到的资源数据发送至所述完整性校验模块,以及用于接收所述完整性校验模块发送的所述校验结果数据,根据该校验结果数据进行存储或重新抓取;

所述完整性校验模块,用于接收所述抓取处理模块发送的所述资源数据,对该资源数据进行完整性校验,生成校验结果数据发送至所述抓取处理模块;

所述预警模块,用于实时监测所述抓取处理模块的所述抓取操作状态,在所述抓取操作无法正常结束时从所述抓取处理模块中读取错误原因生成报告信息进行发送。

7.如权利要求6所述的业务数据抓取系统,其特征在于,所述网页资源抓取任务,进一步为按照配置的所述规则数据创建的对应数量的多线程网页资源抓取任务。

8.如权利要求6所述的业务数据抓取系统,其特征在于,所述下载任务,进一步为按照配置的所述规则数据创建的对应数量的多线程资源下载任务。

9.如权利要求6所述的业务数据抓取系统,其特征在于,所述抓取处理模块,进一步读取所述校验结果数据,若该校验结果数据反映所述资源数据完整,则将该资源数据进行存储;若该校验结果数据反映所述资源数据不完整,则遍历所述抓取操作中各任务执行时的状态,查找出导致所述资源数据不完整的任务状态,通过重启所述抓取操作从相对应的所述任务状态处进行重新抓取。

10.如权利要求6所述的业务数据抓取系统,其特征在于,所述规则数据,进一步为由资源URI、相关编码、抓取任务触发数据和/或规则模板数据构成的规则数据。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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北京北纬通信科技股份有限公司,未经北京北纬通信科技股份有限公司许可,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/201310325804.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top