[发明专利]一种对互联网数据进行采集的方法在审
| 申请号： | 201611044724.1 | 申请日： | 2016-11-24 |
| 公开（公告）号： | CN106776787A | 公开（公告）日： | 2017-05-31 |
| 发明（设计）人： | 王利鑫;王洪添 | 申请（专利权）人： | 山东浪潮云服务信息科技有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 济南信达专利事务所有限公司37100 | 代理人： | 孟峣 |
| 地址： | 250100 山东省济南市高*** | 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： | 本发明公开了一种对互联网数据进行采集的方法，其实现过程为首先爬取url队列，为web爬虫提供需要抽取数据的网站url地址，即将需要抽取数据的网站url存入爬取url队列中；web爬虫从爬取url队列中获取需要抽取数据的网站的url信息；web爬虫从对应的url页面中获取对应的页面内容并抽取出用户需要的数据信息；web爬虫把抽取到的数据写入数据库中；设计数据处理模块，通过该数据处理模块对数据库中的数据进行处理。该对互联网数据进行采集的方法与现有技术相比，通过链接过滤、数据排重和整合的数据处理方式，将数据进行处理，剔除重复的数据，避免重复抓取，数据相互之间整合匹配度高，从而更好的满足用户需求，实用性强，适用范围广泛，易于推广。 | ||
| 搜索关键词： | 一种 互联网 数据 进行 采集 方法 | ||
【主权项】：
一种对互联网数据进行采集的方法，其特征在于，其实现过程为：首先爬取url队列，为web爬虫提供需要抽取数据的网站url地址，即将需要抽取数据的网站url存入爬取url队列中；web爬虫从爬取url队列中获取需要抽取数据的网站的url信息；web爬虫从对应的url页面中获取对应的页面内容并抽取出用户需要的数据信息；web爬虫把抽取到的数据写入数据库中；设计数据处理模块，通过该数据处理模块对数据库中的数据进行处理。
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山东浪潮云服务信息科技有限公司，未经山东浪潮云服务信息科技有限公司许可，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/201611044724.1/，转载请声明来源钻瓜专利网。
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
