[发明专利]一种通用的新闻评论采集方法及装置有效
| 申请号： | 201410114600.0 | 申请日： | 2014-03-25 |
| 公开（公告）号： | CN103886078B | 公开（公告）日： | 2017-05-10 |
| 发明（设计）人： | 李至立;丁国栋;公强;刘玮 | 申请（专利权）人： | 烟台中科网络技术研究所 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京轻创知识产权代理有限公司11212 | 代理人： | 杨立 |
| 地址： | 264003 山东省烟台*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种通用的新闻评论采集方法及装置，包括以下步骤获取用户输入的新闻链接地址及用户配置的采集配置文件；读取采集配置文件中的模板地址；根据新闻链接地址分析新闻链接地址对应的域名，从新闻评论链接采集配置文件中获取所述域名的新闻评论入口链接的模板地址，并获取新闻评论链接采集配置文件中的配置信息；逐条根据配置信息，在新闻页面或新闻链接地址中进行抽取，获得新的拼接参数，将获得的新拼接参数替换掉模板地址中原有的拼接参数；逐条获取新闻评论页面中的评论内容，直到所有新闻的评论内容全部采集完毕。本发明能够大幅提高新闻评论采集效率、实现新闻评论采集通用性，且具有准确性及稳定性。 | ||
| 搜索关键词： | 一种 通用 新闻 评论 采集 方法 装置 | ||
【主权项】：
一种通用的新闻评论采集方法，其特征在于，包括以下步骤：步骤1：获取用户输入的新闻链接地址及用户配置的采集配置文件，所述采集配置文件包括用于配置新闻评论入口链接的模板地址的新闻评论链接采集配置文件，和用于新闻评论内容采集的内容采集配置文件；步骤2：读取采集配置文件中的模板地址，所述模板地址中包含若干拼接参数；步骤3：根据获取的新闻链接地址，分析新闻链接地址对应的域名，从新闻评论链接采集配置文件中获取所述域名的新闻评论入口链接的模板地址，并获取新闻评论链接采集配置文件中用于抽取模板地址中新的拼接参数的配置信息；步骤4：逐条根据获取的配置信息，在新闻页面或新闻链接地址中进行抽取，获得新的拼接参数，将获得的新拼接参数替换掉模板地址中原有的拼接参数，得到新闻评论入口链接地址；步骤5：根据新闻评论入口链接地址、内容采集配置文件及新闻评论页面的页面类型解析新闻评论页面，结合抽取配置文件及开源工具逐条获取新闻评论页面中的评论内容，直到所有新闻的评论内容全部采集完毕。
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烟台中科网络技术研究所，未经烟台中科网络技术研究所许可，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/201410114600.0/，转载请声明来源钻瓜专利网。
- 上一篇：用于轧钢机机架修复的钴基复合粉末及其修复方法
- 下一篇：铁水包随流孕育装置
