[发明专利]一种分布式网络爬虫的信息爬取方法、服务器及存储介质在审
| 申请号： | 201711478979.3 | 申请日： | 2017-12-29 |
| 公开（公告）号： | CN109359231A | 公开（公告）日： | 2019-02-19 |
| 发明（设计）人： | 徐松柏 | 申请（专利权）人： | 广州TCL智能家居科技有限公司 |
| 主分类号： | G06F16/951 | 分类号： | G06F16/951 |
| 代理公司： | 深圳市君胜知识产权代理事务所(普通合伙) 44268 | 代理人： | 王永文;刘文求 |
| 地址： | 510000 广东省广州市萝岗区高新*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 爬虫 分布式网络 存储介质 集群 服务器 多台设备 方法使用 目标信息 网络资源 客户端 解析 存储 协作 网络 | ||
1.一种分布式网络爬虫的信息爬取方法，其特征在于，包括以下步骤：
利用获取到的多个IP进行网络URL爬取，并将爬取到的URL编码为key值存储到redis集群中；
多个爬虫客户端从所述redis集群中获取URL，并从获取的URL中解析出目标信息。
2.根据权利要求1所述的分布式网络爬虫的信息爬取方法，其特征在于，所述利用获取到的多个IP进行网络URL爬取的步骤之前还包括：
获取网络上的闲置IP，并将闲置IP存储在MongoDB中；
多个爬虫客户端从所述MongoDB中获取IP。
3.根据权利要求1所述的分布式网络爬虫的信息爬取方法，其特征在于，所述将爬取到的URL编码为key值存储到redis集群中的步骤还包括：
将爬取到的URL进行base64编码成key值，并以key值和URL一一对应保存至所述redis集群的第一主键中。
4.根据权利要求1所述的分布式网络爬虫的信息爬取方法，其特征在于，所述方法还包括：
将已经解析出目标信息的URL转存至所述redis集群的第二主键中。
5.根据权利要求4所述的分布式网络爬虫的信息爬取方法，其特征在于，所述多个爬虫客户端从所述redis集群中获取URL，并从获取的URL中解析出目标信息的步骤还包括：
所述多个爬虫客户端依据所述第一主键和第二主键中的记录进行查重筛选，从第一主键中选取未被解析过的URL作为目标URL；
对所述目标URL进行解析以得到目标信息。
6.一种服务器，其特征在于，所述服务器包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的分布式网络爬虫的信息爬取控制程序，其中所述分布式网络爬虫的信息爬取控制程序被所述处理器执行时实现以下步骤：
利用获取到的多个IP进行网络URL爬取，并将爬取到的URL编码为key值存储到redis集群中；
多个爬虫客户端从所述redis集群中获取URL，并从获取的URL中解析出目标信息。
7.根据权利要求6所述的服务器，其特征在于，所述分布式网络爬虫的信息爬取控制程序被所述处理器执行时还实现以下步骤：
获取网络上的闲置IP，并将闲置IP存储在MongoDB中；
多个爬虫客户端从所述MongoDB中获取IP。
8.根据权利要求6所述的服务器，其特征在于，所述分布式网络爬虫的信息爬取控制程序被所述处理器执行时还实现以下步骤：
将爬取到的URL进行base64编码成key值，并以key值和URL一一对应保存至所述redis集群的第一主键中；
将已经解析出目标信息的URL进行转存至redis集群的第二主键中。
9.根据权利要求8所述的服务器，其特征在于，所述分布式网络爬虫的信息爬取控制程序被所述处理器执行时还实现以下步骤：
所述多个爬虫客户端依据所述第一主键和第二主键中的记录进行查重筛选，从第一主键中选取未被解析过的URL作为目标URL；
对所述目标URL进行解析以得到目标信息。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有分布式网络爬虫的信息爬取控制程序，所述分布式网络爬虫的信息爬取控制程序被处理器执行实现如权利要求1至5中任一项所述的分布式网络爬虫的信息爬取方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广州TCL智能家居科技有限公司，未经广州TCL智能家居科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201711478979.3/1.html，转载请声明来源钻瓜专利网。
