[发明专利]一个将网站选定内容提取、存储并发布的系统

摘要

一个将网站选定内容提取、存储并发布的系统，该系统包括多个程序段。该系统的特征在于，在步骤1中，将本人的发明专利申请(一种提取html页面内容的方法申请号201310204988.9)中涉及到的相关数据存入数据库表中；步骤2中，将网站页面根据导航层次以及html源码格式的不同划归于不同节点并用这些节点和其页面所对应的分析模板组成站点分析树；步骤3中，遍历分析树，对每个节点中的每个页面都利用所对应模板进行数据提取，并记入数据库表，具体处理步骤使用了多线程和任务队列实现；步骤4中，利用WEB应用容器发布在步骤3中所提取的页面信息，步骤5中，利用分布式的处理架构来提高步骤3中所提及的解析提取速度。

主权项

一个将网站选定内容提取、存储并发布的系统，改系统包括多个程序和数据库表。该系统的特征在于，在步骤1中，将本人的发明专利申请(一种提取html页面内容的方法申请号201310204988.9)中涉及到的相关数据存入数据库表中；在步骤2中，分析所提取网站的页面导航结构，将页面根据导航层次以及html源码格式的不同划归于不同节点，并用这些节点和其页面所对应的分析模板组成站点分析树；在步骤3中，遍历步骤2中的分析树，对每个节点中的每个页面都利用所对应模板都利用“一种提取html页面内容的方法”进行数据提取，并记入步骤1中的数据库表结构，具体处理步骤使用了多线程和任务队列实现；在步骤4中，按照组装模板将数据库中保存的网站信息按照自定义的html格式组装起来，再按照与原网站相同的层次结构通过WEB应用容器发布，在步骤5中，利用分布式的处理架构来提高步骤3中所提及的解析提取速度。