[发明专利]一种识别网页URL中页码标识的方法和装置

权利要求书

1.一种识别网页URL中页码标识的方法，包括：

获取指定网页的页面元素中翻页特征anchor对应链接到的关联URL；

依据所述指定网页的URL和所述关联URL计算关联网页URL模式pattern；

基于与指定网页对应的关联网页URL模式pattern，分别确定所述指定网页URL的页码特征部分以及所述关联URL中的页码特征部分；

比较所述指定网页URL与所述关联页URL的页码特征部分，提取不同数字标识部分识别为指定网页URL的页码标识。

2.如权利要求1所述的方法，其特征在于，所述获取指定网页的页面元素中翻页特征anchor对应链接到的关联URL的步骤包括：

使用翻页特征anchor在指定网页的DOM树节点中进行匹配；

当匹配成功时，则从匹配成功的翻页特征anchor中获取关联URL。

3.如权利要求1所述的方法，其特征在于，所述翻页特征anchor对应链接一个或多个关联URL。

4.如权利要求1或2或3所述的方法，其特征在于，所述依据所述指定网页的URL和所述关联URL计算关联网页URL模式pattern的步骤包括：

使用通配字符替换指定网页的URL中的数字块，获得第一特征URL前缀；其中，所述数字块为被间隔标识分割出的单个数字或多个数字；

使用通配字符替换所述关联URL中的数字块，获得第二特征URL前缀；

当所述第一特征URL前缀与所述第二特征URL前缀相同时，将所述第一特征URL前缀或第二特征URL前缀作为关联网页URL模式pattern。

5.如权利要求4所述的方法，其特征在于，所述使用通配字符替换指定网页的URL中的数字块，获得第一特征URL前缀的步骤为：

采用相同的通配字符替换指定网页的URL中不同位置的数字块，获得第一特征URL前缀；

所述使用通配字符替换所述关联URL中的数字块，获得第二特征URL前缀的步骤为：

采用相同的通配字符替换所述关联URL中不同位置的数字块，获得第二特征URL前缀。

6.如权利要求4所述的方法，其特征在于，所述使用通配字符替换指定网页的URL中的数字块，获得第一特征URL前缀的步骤为：

分别采用不同的通配字符，替换指定网页的URL中不同位置的数字块，获得第一特征URL前缀；

所述使用通配字符替换所述关联URL中的数字块，获得第二特征URL前缀的步骤为：

分别采用与第一特征URL相同的通配字符替换所述关联URL在相同位置的数字块，获得第二特征URL前缀。

7.如权利要求1所述的方法，其特征在于，所述页码标识包括首页标识，所述首页标识包括0、1和/或当前关联网页中的最大数值。

8.一种识别网页URL中页码标识的装置，包括：

关联URL获取模块，适于获取指定网页的页面元素中翻页特征anchor对应链接到的关联URL；

关联网页URL模式pattern计算模块，适于依据所述指定网页的URL和所述关联URL计算关联网页URL模式pattern；

页码特征部分确定模块，适于基于与指定网页对应的关联网页URL模式pattern，分别确定所述指定网页URL的页码特征部分以及所述关联URL中的页码特征部分；

页码标识确定模块，适于比较所述指定网页URL与所述关联页URL的页码特征部分，提取不同数字标识部分识别为指定网页URL的页码标识。

9.如权利要求8所述的装置，其特征在于，所述关联URL获取模块还适于：

使用翻页特征anchor在指定网页的DOM树节点中进行匹配；

当匹配成功时，则从匹配成功的翻页特征anchor中获取关联URL。

10.如权利要求8所述的装置，其特征在于，所述翻页特征anchor对应链接一个或多个关联URL。