[发明专利]一种识别宽带网络中独立用户账户的方法

说明书

技术领域

本发明涉及一种识别独立网络用户账户的方法，属于网络技术和互联网信息处理技术领域。

背景技术

Cookie，指某些网站为了辨别用户身份而储存在用户本地终端(Client Side)上的数据(通常经过加密)，Cookie中的每个字段采用字段键-字段值的形式，即key-value形式。Cookie总是保存在客户端中，按在客户端中的存储位置，可分为内存Cookie和硬盘Cookie。内存Cookie由浏览器维护，保存在内存中，浏览器关闭后就消失了，其存在时间是短暂的。硬盘Cookie保存在硬盘里，有一个过期时间，除非用户手工清理或到了过期时间，硬盘Cookie不会被删除，其存在时间是长期的。所以，按存在时间划分，可分为非持久Cookie和持久Cookie。

Cookie是基于浏览器的。当电脑上安装多个浏览器时，服务器会为不同浏览器生成不同的Cookie，被服务器识别为多个用户。

Cookie是基于浏览器的。当同一台电脑有多个人使用时，服务器也只会生成一个Cookie，被服务器会认为是一个用户。

Cookie是无法跨设备进行设置的。即使同一个人在不同的两台电脑，使用同一版本的相同浏览器，服务器会生成两个不同的Cookie，被服务器认为是两个用户。

Cookie是有生存期的。当标识用户的cookie字段key的value值过期或是被用户删除，同一个用户的网络访问信息或被识别为不同的两个人的信息，被浏览器识别为两个用户。

上面述说的四种主要情况，用来标识“用户”(浏览器)的cookie字段，更确切的说应该是标识浏览器的字段。这种类型字段key的value值只有在生存期内有效，一旦过了生存期，服务器会重新生成一个不重复的value值，用以标识新用户。

发明内容

本发明的目的是有效地克服背景技术中使用标识浏览器的字段来标识用户时遇到的四个不足情况，有效克服手动筛选用户账户字段带来的费时费力的缺点。

为了达到上述目的，本发明的技术方案是提供了一种识别宽带网络中独立用户账户的方法，其特征在于，步骤为：

步骤1、利用一段时间内的历史Web日志识别每个网站用于标识浏览器的Cookie字段键key及该Cookie字段键key的Cookie字段值value；

步骤2、针对指定网站S，爬取其首页的指向站内的所有URL，逐一访问所有URL，访问完毕后，清洗抓取的所有Cookie数据，将相应的Cookie字段放入排除字段集，再将保持在本地的所有Cookie数据删除后重复执行步骤2直至重复N次访问了指定网站，N≥1，其中，清洗抓取的所有Cookie数据，将相应的Cookie字段放入排除字段集的具体步骤为：

步骤401、将所有Cookie数据的各个Cookie字段按照不同的Cookie字段键key进行分组，相同Cookie字段键key的所有Cookie字段值value组成一个value集；

步骤402、依次判断每个value集中所有Cookie字段值value是否发生变化，若发生变化，则将具有与该value集对应的Cookie字段键key的Cookie字段放入排除字段集中；

步骤3、获取指定网站S的用户账户字段，其步骤为：

步骤501、获取一段时间内的历史Web日志，针对指定网站S，将每条Web日志记录所包含的每行Cookie数据分为不同的Cookie数据组，同一Cookie数据组的所有Cookie数据必须同时满足：所对应的Web日志记录具有相同的ADSL设备ID值、所对应的Web日志记录具有相同的用户代理User Agent值、所对应的Web日志记录具有相同的主机HOST名、具有相同的步骤1获得的用于标识浏览器的Cookie字段键key所对应的Cookie字段值value，并将每行Cookie数据按照Cookie字段键key-Cookie字段值value对的形式进行拆分，得到每行Cookie数据的key-value字段；

步骤502、删除每个Cookie数据组中，重复的ADSL设备ID值、用户代理User Agent值、主机HOST名及用于标识浏览器的Cookie字段键key所对应的Cookie字段值value，组成一行新的数据行，每行数据行的包括ADSL设备ID值、用户代理User Agent值、主机HOST名、用于标识浏览器的Cookie字段键key所对应的Cookie字段值value及key-value字段；