[发明专利]一种微博信息抓取方法及装置

权利要求书

1.一种微博信息抓取方法，其特征在于，所述方法包括：

获取待抓取微博用户，并判断所述待抓取微博用户的类型；

如果所述待抓取微博用户为活跃用户，则计算该待抓取微博用户的抓取周期，并根据所述抓取周期预测抓取时间点进行微博信息抓取；

如果所述待抓取微博用户为非活跃用户，则获取该待抓取微博用户的抓取状态以及剩余抓取用户量，如果所述抓取状态表示能进行微博信息抓取，且所述剩余抓取用户量不为零，则对所述待抓取微博用户进行微博信息抓取。

2.根据权利要求1所述的方法，其特征在于，所述获取待抓取微博用户，包括：

选取至少一个认证用户作为种子用户，并将所述种子用户作为未处理用户添加到用户列表；

判断所述未处理用户是否具有下级用户：

如果具有，则获取该未处理用户的下级用户，并将所述下级用户添加到所述用户列表，设置所述未处理用户的状态为已处理；将所述下级用户作为未处理用户，继续执行所述判断未处理用户是否具有下级用户的步骤；

如果不具有，则设置该未处理用户的状态为已处理。

3.根据权利要求2所述的方法，其特征在于，所述获取该未处理用户的下级用户，包括：

通过所述未处理用户的用户关系网获取所述下级用户；或者，

抓取评论和/或转发所述未处理用户发布的微博的用户作为所述下级用户。

4.根据权利要求1所述的方法，其特征在于，所述判断所述待抓取微博用户的类型，包括：

根据所述待抓取微博用户发布微博的频率确定用户活跃度；

根据预设活跃值与所述用户活跃度判断所述待抓取微博用户的类型，如果所述用户活跃度不小于所述预设活跃值，则判定所述待抓取微博用户为活跃用户；否则判定所述待抓取微博用户为非活跃用户。

5.根据权利要求1所述的方法，其特征在于，所述根据所述待抓取微博用户发布微博的频率确定用户活跃度，包括：

根据所述待抓取微博用户发布的微博计算用户的平均发帖间隔；

从预设数据库中查找与所述平均发帖间隔相对应的活跃度。

6.一种微博信息抓取装置，其特征在于，所述装置包括：

第一获取单元，用于获取待抓取微博用户；

第一判断单元，用于判断所述第一获取单元获取的待抓取微博用户的类型；

计算单元，用于在所述第一判断单元判定所述待抓取微博用户为活跃用户时，计算该待抓取微博用户的抓取周期；

抓取单元，用于根据所述抓取周期预测抓取时间点进行微博信息抓取；

第二获取单元，用户在所述第一判断单元判定所述待抓取微博用户为非活跃用户时，获取该待抓取微博用户的抓取状态以及剩余抓取用户量；

所述抓取单元，还用于在所述抓取状态表示能进行微博信息抓取，且所述剩余抓取用户量不为零时，对所述待抓取微博用户进行微博信息抓取。

7.根据权利要求6所述的装置，其特征在于，所述第一获取单元包括：

选取单元，用于选取至少一个认证用户作为种子用户，并将所述种子用户作为未处理用户添加到用户列表；

第二判断单元，用于判断所述未处理用户是否具有下级用户：

第三获取单元，用于在所述第二判断单元判定所述未处理用户具有下级用户时，获取该未处理用户的下级用户，

添加单元，用于将所述下级用户添加到所述用户列表，设置所述未处理用户的状态为已处理；将所述下级用户作为未处理用户，通知所述第二判断单元继续判断未处理用户是否具有下级用户；

设置单元，用于在所述第二判断单元判定所述未处理用户不具有下级用户时，则设置该未处理用户的状态为已处理。

8.根据权利要求7所述的装置，其特征在于，

所述第三获取单元，具体用于通过所述未处理用户的用户关系网获取所述下级用户；或者，

所述第三获取单元，具体用于抓取评论和/或转发所述未处理用户发布的微博的用户作为所述下级用户。