[发明专利]处理爬取网页的方法和装置有效
| 申请号： | 201611089740.2 | 申请日： | 2016-11-30 |
| 公开（公告）号： | CN108132948B | 公开（公告）日： | 2021-02-26 |
| 发明（设计）人： | 赵一飞 | 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： | 北京康信知识产权代理有限责任公司 11240 | 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： | 本发明公开了一种处理爬取网页的方法和装置。其中，该方法包括：确定是否存在待验证的网页的标识信息；根据待验证的网页的标识信息爬取得到网页页面之后，校验爬取得到的网页页面；在爬取得到的网页页面校验通过的情况下，确定待验证的网页爬取成功；将爬取成功的待验证的网页的标识信息保存至过滤器服务。本发明解决了现有技术中在防止爬虫系统重复爬取网页时，爬取内容校验不通过但网页无法被再次爬取的技术问题。 | ||
| 搜索关键词： | 处理 网页 方法 装置 | ||
【主权项】：
一种处理爬取网页的方法，其特征在于，包括：确定是否存在待验证的网页的标识信息；根据所述待验证的网页的标识信息爬取得到网页页面之后，校验所述爬取得到的网页页面；在所述爬取得到的网页页面校验通过的情况下，确定所述待验证的网页爬取成功；将爬取成功的所述待验证的网页的标识信息保存至过滤器服务。
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/201611089740.2/，转载请声明来源钻瓜专利网。
- 上一篇：实体挖掘系统和方法
- 下一篇：数据库集群中数据迁移的方法及装置
