[发明专利]一种并行的垂直交叉网络数据采集方法及系统有效
| 申请号： | 201310146080.7 | 申请日： | 2013-04-24 |
| 公开（公告）号： | CN103258017A | 公开（公告）日： | 2013-08-21 |
| 发明（设计）人： | 敖翔;何清;庄福振 | 申请（专利权）人： | 中国科学院计算技术研究所 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京律诚同业知识产权代理有限公司 11006 | 代理人： | 祁建国;梁挥 |
| 地址： | 100190 北*** | 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： | 本发明提供一种并行的垂直交叉网络数据采集方法及系统，方法包括：S1确定采集方式，若是普通URL列表采集方式根据URL列表直接下载待下载网页数据及其元数据，若是垂直交叉采集方式利用交叉关键字列表检索待下载页，并下载该网页数据及其元数据；S2定时更新任务，对已下载的网页中第一层到当前层的所有网页进行扫描检查，当新下载的页面最后修改时间大于已下载的页面最后修改时间时，对该新下载的页面重新进行数据采集，更新网页数据记录。本发明避掉了多线程技术的一些潜在风险和代价，降低了多线程并行采集的潜在风险与代价，可以实现海量数据更稳定、更高效的并行采集，提高了数据读取和查询的效率。 | ||
| 搜索关键词： | 一种 并行 垂直 交叉 网络 数据 采集 方法 系统 | ||
【主权项】：
一种并行的垂直交叉网络数据采集方法，其特征在于，该方法包括：步骤1，根据配置参数确定采集方式，若是普通URL列表采集方式，则根据URL列表直接下载待下载网页数据及其元数据，若是垂直交叉采集方式，则利用交叉关键字列表检索待下载页，并下载该网页数据及其元数据；步骤2，定时更新任务，对已下载的网页中第一层到当前层的所有网页进行扫描检查，当新下载的页面最后修改时间大于已下载的页面最后修改时间时，对该新下载的页面重新进行数据采集更新网页数据记录。
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国科学院计算技术研究所，未经中国科学院计算技术研究所许可，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/201310146080.7/，转载请声明来源钻瓜专利网。
