[发明专利]一种网站更新内容的监测方法及系统

权利要求书

1.一种网站更新内容的监测方法，其特征在于，包括以下步骤：

S2：根据待测网站的更新频率预算并存储所述待测网站的更新时间间隔；

S4：在每间隔所述更新时间间隔的时间点，获取所述待测网站的网页内容；

S6：在所述获取的网页内容中提取条目的文本值；

S8：将当次获取的网页内容中提取的条目的文本值与上一次获取的网页内容中提取的条 目的文本值进行对比；

S10：通过所述对比，计算得到所述文本值有变化的条目。

2.根据权利要求1所述的监测方法，其特征在于，在所述步骤S4完成之后，所述方法 还包括：

S5：将当次获取的网页内容条目存储在数据库中。

在除首次之外的每次执行所述步骤S8时，将当次获取的网页内容中提取的条目的文本值 与数据库中存储的上一次获取的网页内容中提取的条目的文本值进行对比。

3.根据权利要求1所述的监测方法，其特征在于，在所述步骤S10完成后，所述方法还 包括：

S12：计算得到所述文本值有变化的条目后，将所述文本值有变化的条目存储在数据库中， 并根据所述条目的发布或者修改时间将所述文本值有变化的条目排序后返回给用户。

4.根据权利要求1所述的监测方法，其特征在于，所述步骤S6中在所述获取的网页内 容中提取条目的文本值，包括以下步骤：

S601：提取所述获取的网页内容，去除所述网页内容中的网页标签和链接，保留所述网 页内容中的所有超链接的文本值。

5.根据权利要求1至4中任一项所述的监测方法，其特征在于，所述步骤S8在当次获 取的网页内容中提取的条目的文本值与上一次计算得到的网页内容中提取的条目的文本值进 行对比，包括以下步骤：

S801：将所述当次获取的网页内容中提取的条目的文本值与所述上一次获取的网页内容 中提取的条目的文本值进行对比，采用字符串对比的方式，找出当次的字符串和上一次的字 符串中所有的最长公共子序列；

S802：根据找出的所述所有的最长公共子序列，通过分别对每个最长公共子序列进行回 溯匹配得到所述当次的字符串和上一次的字符串的差异部分；

S803：在所述差异部分中选取因插入新内容而产生的差异部分，与所述上一次的字符串 进行匹配：

S804A：当所述因插入新内容而产生的差异部分存在于所述上一次的字符串中时，判定 所述因插入新内容而产生的差异部分插入的不是新内容，并排除所述插入新内容而产生的差 异部分以及对应的所述回溯匹配的匹配结论；

S804B：当所述因插入新内容而产生的差异部分不存在于所述上一次的字符串中时，判 定所述因插入新内容而产生的差异部分插入的是新内容，则保留所述因插入新内容而产生的 差异部分，并且存储记录所述回溯匹配的匹配结论。