[发明专利]一种用于网络爬虫系统的网页内容抓取方法及装置有效
| 申请号： | 201210140751.4 | 申请日： | 2012-05-08 |
| 公开（公告）号： | CN103389983A | 公开（公告）日： | 2013-11-13 |
| 发明（设计）人： | 孙杰;蔡同利 | 申请（专利权）人： | 阿里巴巴集团控股有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京国昊天诚知识产权代理有限公司 11315 | 代理人： | 许志勇 |
| 地址： | 英属开曼群岛大开*** | 国省代码： | 开曼群岛;KY |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请的实施例公开了一种用于网络爬虫系统的网页内容抓取方法及装置，所述方法首先构建一IP地址数据库，记录有预设网站的域名及与该域名对应的多个IP地址；然后通过查询所述IP地址数据库，将所述网络爬虫系统欲执行抓取的目标网页地址URL中的域名替换为一个与该域名对应的IP地址后执行抓取。本申请的实施例充分利用了大网站的布局特点，通过域名系统DNS查询工具，获取到各个大网站分布在全国各地的CDN结点的IP地址，或者其提供轮询服务的多个IP地址，然后把这些IP地址对应的服务器作为独立的服务器进行抓取，从而提高了对大网站的抓取效率。 | ||
| 搜索关键词： | 一种 用于 网络 爬虫 系统 网页 内容 抓取 方法 装置 | ||
【主权项】：
一种用于网络爬虫系统的网页内容抓取方法，其特征在于，包括如下步骤：构建一IP地址数据库，记录有预设网站的域名及与该域名对应的多个IP地址；通过查询所述IP地址数据库，将所述网络爬虫系统欲执行抓取的目标网页地址URL中的域名替换为一个与该域名对应的IP地址后执行抓取。
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阿里巴巴集团控股有限公司，未经阿里巴巴集团控股有限公司许可，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/patent/201210140751.4/，转载请声明来源钻瓜专利网。
- 上一篇：超声风速温度仪局域网络系统及测量方法
- 下一篇：一种家居接口模块
