[发明专利]统一资源标识符地址收集方法及装置

权利要求书

1.一种统一资源标识符URL地址收集方法，其特征在于，该方法包括：

设定搜索条件，在搜索引擎中搜索符合搜索条件的超文本标记语言HTML页面；

将每个HTML页面的HTML脚本作为一个字符串，对每个HTML脚本字符串进行如下处理：

在HTML脚本字符串中搜索URL地址的开始特征字符，若搜索到，继续搜索URL地址的结束特征字符，将开始特征字符与结束特征字符之间的字符串作为一个URL地址，将HTML脚本字符串中位于所述URL地址结束特征字符之前的字符串删除，返回执行所述在HTML脚本字符串中搜索URL地址的开始特征字符的动作；

保存搜索到的URL地址。

2.如权利要求1所述的方法，其特征在于，所述在搜索引擎中搜索符合搜索条件的HTML页面之后进一步包括：在HTML页面的HTML脚本中搜索URL地址的描述字符，

所述保存搜索到的URL地址进一步包括：保存该URL地址的描述字符。

3.如权利要求1或2所述的方法，其特征在于，所述在搜索引擎中搜索符合搜索条件的HTML页面包括：

通过搜索引擎驱动函数，驱动搜索引擎按照所述设定的搜索条件进行搜索，得到符合所述搜索条件的HTML页面。

4.如权利要求1或2所述的方法，其特征在于，所述在搜索引擎中搜索符合搜索条件的HTML页面包括：

在预设搜索界面中输入与搜索条件对应的关键字，在搜索界面提供的搜索引擎中选定一个搜索引擎，打开选定的搜索引擎，得到包含该关键字的所有HTML页面。

5.如权利要求1所述的方法，其特征在于，所述搜索引擎为google，

所述将每个HTML脚本作为一个字符串为：依次选择一个HTML脚本，将整个HTML脚本字符串赋值给变量X；

所述开始特征字符为：字符串“<h2 class＝r>”和“http://”，所述结束特征字符为：“</h2>”和“””，

所述在HTML脚本字符串中搜索URL地址的开始特征字符，若搜索到，继续搜索URL地址的结束特征字符包括：

在X中搜索“<h2 class＝r>”，若搜索到，继续搜索“</h2>”，将位于“<h2class＝r>”和“</h2>”之间的字符串赋值给变量Y；在Y中搜索“http://”，若搜索到，继续搜索“””，将Y中位于“http://”和“””之间的字符串赋值给变量Z，则Z中位于第一个字符“/”之前的字符串为URL地址；

所述将HTML脚本字符串中位于所述URL地址结束特征字符之前的字符串删除为：将X中位于第一个“</h2>”之前的字符串删除。

6.如权利要求5所述的方法，其特征在于，所述将位于“<h2 class＝r>”和“</h2>”之间的字符串赋值给Y之后进一步包括：

将Y中位于每个“＞”和其后第一个“＜”之间的字符作为URL地址的描述字符。

7.一种统一资源标识符URL地址收集装置，其特征在于，该装置包括：

超文本标记语言HTML脚本搜索模块，在搜索引擎中搜索符合搜索条件的HTML页面，将搜索到的HTML页面的HTML脚本输出；

HTML脚本字符串输出模块，将HTML脚本搜索模块输入的每个HTML脚本作为一个字符串输出到搜索模块；

搜索模块，对于HTML脚本字符串输出模块输入的每个HTML脚本字符串，在HTML脚本字符串中搜索URL地址的开始特征字符，若搜索到，继续搜索URL地址的结束特征字符，将开始特征字符与结束特征字符之间的字符串作为一个URL地址保存到URL地址存储模块，将HTML脚本字符串中位于所述URL地址结束特征字符之前的字符串删除，继续在当前HTML脚本字符串中搜索URL地址的开始特征字符。

8.如权利要求7所述的装置，其特征在于，所述装置进一步包括：

地址描述字符搜索模块，根据URL地址的描述字符的特征字符，在HTML脚本搜索模块输入的每个HTML脚本中搜索URL地址的描述字符，将URL地址的描述字符保存到URL地址存储模块中与该URL地址对应的位置上。