[发明专利]网页爬取方法及装置有效
| 申请号： | 201610082183.5 | 申请日： | 2016-02-05 |
| 公开（公告）号： | CN107045507B | 公开（公告）日： | 2020-08-21 |
| 发明（设计）人： | 李可欣 | 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： | 北京鼎佳达知识产权代理事务所(普通合伙) 11348 | 代理人： | 王伟锋;刘铁生 |
| 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爬取方法及装置，涉及数据处理技术领域，提高了对特定链接网页的爬取效率。本发明的主要技术方案为：爬虫程序接收爬虫任务，所述爬虫任务中包括需要爬取页面的URL；从预置规则表中获取与所述URL匹配成功的URL匹配规则对应的区域限制规则，所述预置规则表中存储有多个URL匹配规则，每个URL匹配规则至少对应一个区域限制规则，所述区域限制规则用于限制所述爬虫程序在所述URL对应的页面中将要爬取的链接；从所述URL对应的页面中提取与所述区域限制规则匹配的链接；爬取所述提取的链接对应的网页。本发明主要用于爬取网页数据。 | ||
| 搜索关键词： | 网页 方法 装置 | ||
【主权项】：
一种网页爬取方法，其特征在于，包括：爬虫程序接收爬虫任务，所述爬虫任务中包括需要爬取页面的URL；从预置规则表中获取与所述URL匹配成功的URL匹配规则对应的区域限制规则，所述预置规则表中存储有多个URL匹配规则，每个URL匹配规则至少对应一个区域限制规则，所述区域限制规则用于限制所述爬虫程序在所述URL对应的页面中将要爬取的链接；从所述URL对应的页面中提取与所述区域限制规则匹配的链接；爬取所述提取的链接对应的网页。
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/201610082183.5/，转载请声明来源钻瓜专利网。
- 上一篇：评估指标获取方法及装置
- 下一篇：应用程序的处理方法和装置
