[发明专利]电子书更新章节的调度方法和装置

说明书

本发明提供了一种电子书更新章节的调度方法和装置，该方法包括：针对电子书相关站点内新增的统一资源定位符URL，根据所述URL所属站点的URL模式Pattern词典，确定出所述URL的Pattern；根据所述URL的Pattern，从预设的电子书模式信息库中反向识别出所述URL所对应的电子书；并将识别出的电子书确定为已更新的电子书；在所述URL所属站点内对已更新的电子书的章节列表页发起调度，从中抓取已更新的电子书的所有更新章节。应用本发明，能够快速识别已更新的电子书，提高更新章节的抓取速度；而且无需频繁地进行抓取操作，提高了更新章节的抓取效率。

技术领域

本发明涉及电子书技术领域，具体而言，本发明涉及一种电子书更新章节的调度方法和装置。

背景技术

近几年来，网络上追书成为了一种时尚，追书的用户都希望在第一时间看到连载电子书(比如，小说)更新的内容。因此，电子书更新章节的时效性需求极为紧迫。

若能准确了解电子书的更新时间点，将可以快速抓取电子书更新章节。然而，作者对于一本电子书的更新带有一定的随机性，电子书的更新时间点难以预测。

目前，现有可以针对目标电子书，不断抓取各电子书相关站点中该目标电子书的章节列表页，将当前抓取的章节列表页与之前抓取的章节列表页进行比对，由此确定出已更新的章节列表页，继而，根据已更新的章节列表页抓取目标电子书的更新章节。

采用现有的方案来抓取电子书更新章节，虽然无需预测电子书的更新时间点，但需要在各个站点对电子书的章节列表页进行频繁的抓取操作，存在抓取量大；而且，事实上，在电子书未发生更新的情况下，将会存在大量的无效抓取操作，由此造成更新章节的抓取效率低。

发明内容

针对上述现有技术存在的缺陷，本发明提供了一种电子书更新章节的调度方法和装置，能够快速识别已更新的电子书，提高更新章节的抓取速度；而且无需频繁地进行抓取操作，提高了更新章节的抓取效率。

本发明提供了电子书更新章节的调度方法，其特征在于，包括：

针对电子书相关站点内新增的统一资源定位符URL，根据所述URL所属站点的URL模式Pattern词典，确定出所述URL的Pattern；

根据所述URL的Pattern，从预设的电子书模式信息库中反向识别出所述URL所对应的电子书；并将识别出的电子书确定为已更新的电子书；

在所述URL所属站点内对已更新的电子书的章节列表页发起调度，从中抓取已更新的电子书的所有更新章节。

较佳地，站点的URL Pattern词典通过如下方法预先建立：

对于每个电子书相关站点，预先收集属于该站点的设定数量的URL；

根据URL的片段结构，将收集的URL进行分组；其中，同一分组内的URL共有同一种片段结构；

针对每个分组，将该分组内的URL所共有的片段结构识别为该站点的一个Pattern；

将识别出的该站点的各个Pattern，添加到该站点的URL Pattern词典中。

较佳地，电子书模式信息库通过如下方法预先设置：

对于每个电子书相关站点，预先收集该站点当前包含的所有电子书；

根据该站点的URL Pattern词典，确定电子书的各章节内容页的URL的Pattern，并由此统计出电子书所涉及的Pattern；

将各章节内容页的URL的Pattern之间的公共部分作为电子书在该站点的ID；

针对电子书所涉及的每个Pattern，确定出所述ID在该Pattern中所处的位置，并作为该Pattern的公共部分位置；