[发明专利]一种基于无界面浏览器和可配置代理拦截的网页抓取系统及抓取方法在审

专利信息
申请号: 201811019215.2 申请日: 2018-09-03
公开(公告)号: CN109446392A 公开(公告)日: 2019-03-08
发明(设计)人: 朱静轩;刘国庆;章文友;孟彦 申请(专利权)人: 中新网络信息安全股份有限公司
主分类号: G06F16/951 分类号: G06F16/951
代理公司: 上海精晟知识产权代理有限公司 31253 代理人: 冯子玲
地址: 230088 安徽省合肥*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 界面浏览器 内容选择 抓取 页面下载 启动模块 网页抓取 拦截 可配置 网址 静态页面生成 互联网网页 代理参数 规则选取 模块配置 模块限定 区域内容 网页技术 网站参数 页面返回 页面链接 浏览器 代理 服务器 标签 网页 渲染 保存 返回
【权利要求书】:

1.一种基于无界面浏览器和可配置代理拦截的网页抓取系统,其特征在于,包括:

无界面浏览器启动模块,所述无界面浏览器启动模块用于启动无界面浏览器;

页面下载模块,所述页面下载模块用于将待拦截网页的页面标签加入其内;

内容选择模块,所述内容选择模块用于配置待拦截网页的内容选择规则,并根据所述内容选择规则选取待拦截网页的数据,且将所述数据缓存至缓存区。

2.根据权利要求1所述的一种基于无界面浏览器和可配置代理拦截的网页抓取系统,其特征在于,还包括数据缓存模块,所述数据缓存模块用于接收所述缓存区内缓存满后的数据。

3.一种根据权利要求1所述的网页抓取系统的抓取方法,其特征在于,包括如下步骤:

步骤1、无界面浏览器启动模块启动无界面浏览器,并指定无界面浏览器的网址、代理参数、网站参数;

步骤2、选择无界面浏览器网址页面链接标签,并加入至页面下载模块中;

步骤3、页面下载模块拦截浏览器的页面返回结果,并保存;

步骤4、内容选择模块配置页面的内容选择规则;

步骤5、内容选择模块根据内容选择规则选取指定区域内容的数据;

步骤6、内容选择模块将数据发送至缓存区内。

4.根据权利要求3所述的一种抓取方法,其特征在于,还包括:步骤7、缓存区内的数据缓存满后,将由内容选择模块将其发送至数据缓存模块。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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中新网络信息安全股份有限公司,未经中新网络信息安全股份有限公司许可,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/201811019215.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top