[发明专利]一种基于信息重组的数据信息提取方法和系统

权利要求书

1.一种基于信息重组的数据信息提取方法，其特征在于，所述方法包括以下步骤：

S10：获取统一资源定位符对应的结构特征；

S20：提取所述统一资源定位符中的关键字段；

S30：重组所述关键字段得到新的统一资源定位符；

S40：获取所述新的统一资源定位符所对应的网页中携带的信息。

2.根据权利要求1所述的一种基于信息重组的数据信息提取方法，其特征在于，在所述步骤S10之前还包括以下步骤：

S01：提取用户网络日志中统一资源定位符信息字段；

S02：判断所述统一资源定位符信息字段所属的网站平台；

S03：获取该所属网站平台设定的统一资源定位符结构特征。

3.根据权利要求2所述的一种基于信息重组的数据信息提取方法，其特征在于，所述步骤S10采用的获取方法是：通过该统一资源定位符所属网站平台的统一资源定位符结构特征设定来获取对应的结构特征。

4.根据权利要求1所述的一种基于信息重组的数据信息提取方法，其特征在于，所述步骤S20根据统一资源定位符对应的结构特征，利用正则匹配法对所述统一资源定位符信息中的关键字段进行提取。

5.根据权利要求1所述的一种基于信息重组的数据信息提取方法，其特征在于，所述步骤S30中将所述关键字段以其所属网站平台游客状态下的统一资源定位符结构特征进行相同形式的重组。

6.根据权利要求1所述的一种基于信息重组的数据信息提取方法，其特征在于，所述步骤S40中利用网络爬虫技术，获取所述新的统一资源定位符所对应的网页中携带的信息。

7.一种基于信息重组的数据信息提取系统，其特征在于，包括：

特征获取模块，用于获取统一资源定位符对应的结构特征；

字段提取模块，用于根据统一资源定位符对应的结构特征，提取所述统一资源定位符中的关键字段；

重组模块，用于重组所述关键字段得到新的统一资源定位符；

网页信息获取模块，获取所述新的统一资源定位符所对应的网页中携带的信息。

8.根据权利要求7所述的一种基于信息重组的数据信息提取系统，其特征在于，还包括平台特征模块，用于获取用户网络日志中统一资源定位符所属网站平台所设定的统一资源定位符结构特征。

9.根据权利要求7所述的一种基于信息重组的数据信息提取系统，其特征在于，所述字段提取模块包括匹配单元，用于利用正则匹配法对所述统一资源定位符信息中的关键字段进行提取。

10.根据权利要求7所述的一种基于信息重组的数据信息提取系统，其特征在于，还包括信息整理模块，用于将所述网页信息获取模块得到的信息整理成总的信息集并保存。