[发明专利]一种基于探测网页更新周期的抓取方法有效
申请号: | 201310007246.7 | 申请日: | 2013-01-08 |
公开(公告)号: | CN103020313A | 公开(公告)日: | 2013-04-03 |
发明(设计)人: | 王丽华;牟宏磊;王宝会;蒙洋;贾佳;李明亮;杨磊 | 申请(专利权)人: | 北京航空航天大学 |
主分类号: | G06F17/30 | 分类号: | G06F17/30 |
代理公司: | 北京科迪生专利代理有限责任公司 11251 | 代理人: | 杨学明 |
地址: | 100191*** | 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: | 本发明提供一种基于探测网页更新周期的抓取方法,所述方法为通过周期性探测网页内容获取网页更新时间进行设置规则,设置内容包括页面url链接,ip地址,网页获取方式,网页获取UA等。页面的url链接主要是指定抓取网页的目标链接,此链接可以依据给予的网页源进行设置或者依旧历史抓取信息进行设置。ip地址用于指明此链接服务器的ip地址信息,获取方式为服务器返回或者历史信息中获得。网页获取方式依据网页更新时间进行修改设置。网页获取UA可依据需求进行设置为实名和匿名。本发明能够在获取不同网页的同时很好地获取同一网页源的不同时期的网页信息。 | ||
搜索关键词: | 一种 基于 探测 网页 更新 周期 抓取 方法 | ||
【主权项】:
一种基于探测网页更新周期的抓取方法,其特征在于,该方法包括如下步骤:步骤(1)、页面来源于页面抓取的历史信息,从历史信息中获取待抓取的网页页面或者依据提供的页面源信息进行设置;步骤(2)、设置定时探测抓取周期,主要依据指定时间进行周期设置,并且周期性的获取网页信息;步骤(3)、将获取的网页信息进行规则制定,如果页面更新时间有所改变,则将页面抓取的方式改为获取(GET),其他均为检测(CHK)方式进行;步骤(4)、通过步骤(3)设置好的规则,进行下一步抓取或者进行页面本地存储。
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北京航空航天大学,未经北京航空航天大学许可,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/201310007246.7/,转载请声明来源钻瓜专利网。
- 上一篇:一种邮件的回复方法、系统以及装置
- 下一篇:陀螺仪传感器校准装置及校准方法