[发明专利]网页解析器在审
| 申请号： | 201910942543.8 | 申请日： | 2019-09-30 |
| 公开（公告）号： | CN110704781A | 公开（公告）日： | 2020-01-17 |
| 发明（设计）人： | 赖路双;卓泽城 | 申请（专利权）人： | 北京百度网讯科技有限公司 |
| 主分类号： | G06F16/958 | 分类号： | G06F16/958 |
| 代理公司： | 11201 北京清亦华知识产权代理事务所(普通合伙) | 代理人： | 王艳斌 |
| 地址： | 100085 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 解析器 解析 网页数据 数据解析 数据源 网页解析 多层 计算机技术领域 数据接收器 分层组合 层级 分层 运维 删除 申请 统一 开发 | ||
1.一种网页解析器，其特征在于，包括：
数据接收器，用于接收待解析的数据源，其中，所述待解析的数据源中包括多种类型的网页数据，并根据所述多种类型的网页数据生成所述待解析的数据源对应的数据解析列表；
解析器框架，其中，所述解析器框架包括多层解析器，所述多层解析器按照层级依次对所述数据解析列表之中的所述多种类型的网页数据进行解析，并将解析之后的网页数据从所述数据解析列表之中删除。
2.如权利要求1所述的网页解析器，其特征在于，还包括：
存储器，用于获取所述多层解析器的解析结果，并根据所述解析结果对应的网页数据的类型，将所述解析结果存储至对应的数据库。
3.如权利要求1所述的网页解析器，其特征在于，所述多层解析器中的每层解析器分别具有不同的优先级，并根据所述每层解析器分别对应的优先级，确定所述每层解析器的层级。
4.如权利要求3所述的网页解析器，其特征在于，根据所述每层解析器分别对应的解析准确度、人工成本、硬件成本中的至少一个，确定所述每层解析器分别对应的优先级。
5.如权利要求3所述的网页解析器，其特征在于，所述多层解析器包括第一至第三解析器，其中，所述第一解析器为XPath解析器、所述第二解析器为正则解析器，所述第三解析器为通用解析器。
6.如权利要求1所述的网页解析器，其特征在于，所述解析器框架，还包括：
格式统一化模块，用于对所述多种类型的网页数据进行格式统一化处理。
7.如权利要求1所述的网页解析器，其特征在于，所述每层解析器按照预设的数据抽取规则分别对所述多种类型的网页数据进行抽取，并对抽取到的网页数据进行解析。
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北京百度网讯科技有限公司，未经北京百度网讯科技有限公司许可，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/201910942543.8/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种感知差区域精准定位方法
- 下一篇：页面响应方法、装置、电子设备及存储介质
