[发明专利]一种Web结构化数据快速提取方法及系统有效
| 申请号： | 201910021939.9 | 申请日： | 2019-01-10 |
| 公开（公告）号： | CN109948018B | 公开（公告）日： | 2021-05-25 |
| 发明（设计）人： | 刘芳作;陈薇;王腾蛟;李强;邱镇;崔迎宝 | 申请（专利权）人： | 北京大学;国网信息通信产业集团有限公司;国家电网有限公司;国网浙江省电力有限公司 |
| 主分类号： | G06F16/951 | 分类号： | G06F16/951 |
| 代理公司： | 北京君尚知识产权代理有限公司 11200 | 代理人： | 余长江 |
| 地址： | 100871 北*** | 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： | 本发明是一种Web结构化数据快速提取方法，步骤包括：层次遍历目标网站页面当中的网址链接，并以列表形式记录所有网站的网址和对应的网址跳转顺序；从上述列表中识别目标网页的网址，并记录对应的网址跳转顺序，按目标网站到目标网页访问的先后顺序进行网址拼接，生成访问目标网页的网址跳转顺序；根据贪心随机自适应搜索算法找出访问目标网页的最优网址跳转顺序；根据上述最优网址跳转顺序访问目标网页，层次遍历目标页面的所有数据项标签，找到所有目标数据项标签；从上述所有目标数据项标签中找出最短标签路径；根据上述最优网址跳转顺序和最短路径爬取目标网页的目标数据。本发明还提供一种Web结构化数据快速提取系统。 | ||
| 搜索关键词： | 一种 web 结构 数据 快速 提取 方法 系统 | ||
【主权项】：
1.一种Web结构化数据快速提取方法，步骤包括：层次遍历目标网站页面当中的网址链接，并以列表形式记录所有网站的网址和对应的网址跳转顺序；从上述列表中识别目标网页的网址，并记录对应的网址跳转顺序，按目标网站到目标网页访问的先后顺序进行网址拼接，生成访问目标网页的网址跳转顺序；根据贪心随机自适应搜索算法找出访问目标网页的最优网址跳转顺序；根据上述最优网址跳转顺序访问目标网页，层次遍历目标页面的所有数据项标签，找到所有目标数据项标签；从上述所有目标数据项标签中找出最短标签路径；根据上述最优网址跳转顺序和最短路径爬取目标网页的目标数据。
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大学;国网信息通信产业集团有限公司;国家电网有限公司;国网浙江省电力有限公司，未经北京大学;国网信息通信产业集团有限公司;国家电网有限公司;国网浙江省电力有限公司许可，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/201910021939.9/，转载请声明来源钻瓜专利网。
- 上一篇：一种信息处理方法及装置
- 下一篇：一种深层网络数据获取方法
- 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
