[发明专利]用于安全产业链的智能垂直搜索装置和方法

摘要

本发明公开了一种用于安全产业链的智能垂直搜索装置和方法，用于安全产业链的智能垂直搜索装置包括，爬行器引擎即搜索器引擎；调度；下载器下载器抓取网页并将网页内容返还给蜘蛛；蜘蛛蜘蛛是爬行器用户自己定义用来解析网页并抓取制定URL返回的内容的类，每个蜘蛛能处理一个域名或一组域名，即用来定义特定网站的抓取和解析规则；搜素因子库；项目管道；下载器中间件；蜘蛛中间件；调度中间件调度中间件是介于爬行器引擎和调度之间的中间件，负责处理从爬行器引擎发送到调度的请求和响应，并提供了一个自定义的代码来拓展爬行器的功能。实现可靠、准确、实时且智能搜索的优点。

主权项

一种用于安全产业链的智能垂直搜索装置，其特征在于，包括爬行器引擎即搜索器引擎：爬行器引擎用来控制整个系统的数据处理流程，并进行事务处理的触发；调度：调度程序从爬行器引擎接收请求并排序列入队列，并在爬行器引擎发出请求后返还给调度程序；下载器：下载器抓取网页并将网页内容返还给蜘蛛；蜘蛛：蜘蛛是爬行器用户自己定义用来解析网页并抓取制定URL返回的内容的类，每个蜘蛛能处理一个域名或一组域名，即用来定义特定网站的抓取和解析规则；搜索因子库：包括标准因子库、权重因子库和域库：标准因子库记载药和器械的数据，也就是第一搜索对象，域库：负责权威认证的互联网范围；项目管道：项目管道负责处理蜘蛛从网页中抽取的项目，验证和存储数据，当页面被蜘蛛解析后，将被发送到项目管道；项目管道通常执行的过程有：清洗HTML数据，验证解析到的数据即检查项目是否包含必要的字段，检查是否是重复数据如果重复就删除，将解析到的数据存储到数据库中；下载器中间件：下载中间件是位于爬行器引擎和下载器之间的钩子框架，负责处理爬行器引擎与下载器之间的请求及响应；蜘蛛中间件：蜘蛛中间件是介于爬行器引擎和蜘蛛之间的钩子框架，负责处理蜘蛛的响应输入和请求输出；提供一个自定义代码的方式来拓展爬行器的功能；调度中间件：调度中间件是介于爬行器引擎和调度之间的中间件，负责处理从爬行器引擎发送到调度的请求和响应，并提供了一个自定义的代码来拓展爬行器的功能。