[发明专利]一种网页内容抓取方法及装置有效
| 申请号： | 201310033159.9 | 申请日： | 2013-01-28 |
| 公开（公告）号： | CN103077250A | 公开（公告）日： | 2013-05-01 |
| 发明（设计）人： | 张宗宇;崔世起;杨青 | 申请（专利权）人： | 人民搜索网络股份公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 王宝筠 |
| 地址： | 100020 北京市朝阳*** | 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： | 本发明公开一种网页内容抓取方法及装置。所述方法包括：获取网页的URL信息；识别所述URL信息中包含的路径信息和参数信息；对于路径信息相同的URL信息进行聚类，得到包含多个URL信息的URL信息集；将所述URL信息集中，在每个URL信息中均出现并且参数值不变的参数，确定为有效参数；抓取有效URL信息对应的网页内容；其中，所述有效URL信息中的参数均为有效参数。采用本发明的方法或装置，可以对于不包含有效参数的URL，不再重复进行网页抓取，减少带宽资源和存储资源的浪费。 | ||
| 搜索关键词： | 一种 网页 内容 抓取 方法 装置 | ||
【主权项】：
一种网页内容抓取方法，其特征在于，包括：获取网页的URL信息；识别所述URL信息中包含的路径信息和参数信息；对于路径信息相同的URL信息进行聚类，得到包含多个URL信息的URL信息集；将所述URL信息集中，在每个URL信息中均出现并且参数值不变的参数，确定为有效参数；抓取有效URL信息对应的网页内容；其中，所述有效URL信息中的参数均为有效参数。
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人民搜索网络股份公司，未经人民搜索网络股份公司许可，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/201310033159.9/，转载请声明来源钻瓜专利网。
- 内容再现系统、内容提供方法、内容再现装置、内容提供装置、内容再现程序和内容提供程序
- 内容记录系统、内容记录方法、内容记录设备和内容接收设备
- 内容服务系统、内容服务器、内容终端及内容服务方法
- 内容分发系统、内容分发装置、内容再生终端及内容分发方法
- 内容发布、内容获取的方法、内容发布装置及内容传播系统
- 内容提供装置、内容提供方法、内容再现装置、内容再现方法
- 内容传输设备、内容传输方法、内容再现设备、内容再现方法、程序及内容分发系统
- 内容发送设备、内容发送方法、内容再现设备、内容再现方法、程序及内容分发系统
- 内容再现装置、内容再现方法、内容再现程序及内容提供系统
- 内容记录装置、内容编辑装置、内容再生装置、内容记录方法、内容编辑方法、以及内容再生方法
