[发明专利]内容爬取方法与装置以及分布式爬虫系统在审
| 申请号： | 201810549416.7 | 申请日： | 2018-05-31 |
| 公开（公告）号： | CN110633429A | 公开（公告）日： | 2019-12-31 |
| 发明（设计）人： | 支海邦;李猛;喻海林 | 申请（专利权）人： | 北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司 |
| 主分类号： | G06F16/954 | 分类号： | G06F16/954 |
| 代理公司： | 11438 北京律智知识产权代理有限公司 | 代理人： | 阚梓瑄;王卫忠 |
| 地址： | 100195 北京市海淀区杏石口路6*** | 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： | 本公开提供一种内容爬取方法与装置。内容爬取方法包括：根据多个待爬取网站的地址创建多个爬取进程；在所述爬取进程的爬取结果是网络地址时，根据所述网络地址的地址种类将所述网络地址写入与所述地址种类对应的多个地址队列之一根据所述地址队列创建与所述地址种类对应的爬取进程，重复上一步，直至所述爬取结果是预设内容。本公开提供的内容爬取方法可以均衡负载压力，降低爬取范围扩展难度。 | ||
| 搜索关键词： | 网络地址 地址队列 范围扩展 负载压力 预设内容 进程 网站 创建 写入 均衡 重复 | ||
【主权项】：
1.一种内容爬取方法，其特征在于，包括：/n根据多个待爬取网站的地址创建多个爬取进程；/n在所述爬取进程的爬取结果是网络地址时，根据所述网络地址的地址种类将所述网络地址写入与所述地址种类对应的多个地址队列之一；/n根据所述地址队列创建与所述地址种类对应的爬取进程，重复上一步，直至所述爬取结果是预设内容。/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京京东尚科信息技术有限公司;北京京东世纪贸易有限公司，未经北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司许可，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/201810549416.7/，转载请声明来源钻瓜专利网。
