[发明专利]网页链接的爬取方法及装置有效
| 申请号： | 201510463687.7 | 申请日： | 2015-07-31 |
| 公开（公告）号： | CN106407219B | 公开（公告）日： | 2019-12-10 |
| 发明（设计）人： | 孙德彬;冯鸳鹤 | 申请（专利权）人： | 北京国双科技有限公司 |
| 主分类号： | G06F16/951 | 分类号： | G06F16/951 |
| 代理公司： | 11240 北京康信知识产权代理有限责任公司 | 代理人： | 韩建伟;张永明 |
| 地址： | 100083 北京市海淀区*** | 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： | 本发明公开了一种网页链接的爬取方法及装置。该网页链接的爬取方法包括：获取爬取失败的网页链接；基于超时时间参数集合对网页链接重新进行爬取，得到爬取结果，其中，超时时间参数集合中包括至少两个不同的超时时间参数；根据爬取结果判断网页链接是否为无效的网页链接；以及如果判断出网页链接为无效的网页链接，则不再对网页链接进行爬取。通过本发明，解决了相关技术中对无效的网页链接进行爬取会造成爬虫资源的浪费的问题。 | ||
| 搜索关键词： | 网页 链接 方法 装置 | ||
【主权项】：
1.一种网页链接的爬取方法，其特征在于，包括：/n获取爬取失败的网页链接；/n基于超时时间参数集合对所述网页链接重新进行爬取，得到爬取结果，其中，所述超时时间参数集合中包括至少两个不同的超时时间参数；/n根据所述爬取结果判断所述网页链接是否为无效的网页链接；以及/n如果判断出所述网页链接为无效的网页链接，则不再对所述网页链接进行爬取；/n所述超时时间参数集合中存储有各个重新爬取的爬取次数与超时时间参数之间的对应关系，且第N次重新爬取采用的超时时间参数小于第N+1次重新爬取采用的超时时间参数，其中，N为自然数；/n其中，基于超时时间参数集合对所述网页链接重新进行爬取包括：/n从超时时间参数集合中获取与所述网页链接的爬取次数对应的超时时间参数；利用该超时时间参数对所述网页链接进行爬取；当未爬取到所述网页链接对应的网页内容时，将所述网页链接的爬取次数加1，重复执行所述从超时时间参数集合中获取与所述网页链接的爬取次数对应的超时时间参数的步骤，直至爬取到所述网页链接对应的网页内容或爬取次数达到爬取次数阈值；/n根据所述爬取结果判断所述网页链接是否为无效的网页链接包括：/n如果在爬取次数达到所述爬取次数阈值之前，爬取到所述网页链接对应的网页内容，则确定所述网页链接为有效的网页链接；以及如果在爬取次数达到所述爬取次数阈值时，还未爬取到所述网页链接对应的网页内容，则确定所述网页链接为无效的网页链接。/n
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北京国双科技有限公司，未经北京国双科技有限公司许可，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/201510463687.7/，转载请声明来源钻瓜专利网。
- 上一篇：导航网页的检测方法和装置
- 下一篇：一种发布信息的控制方法、控制装置及系统
