[发明专利]网络爬虫识别方法有效
| 申请号： | 201310200211.5 | 申请日： | 2013-05-27 |
| 公开（公告）号： | CN103279516A | 公开（公告）日： | 2013-09-04 |
| 发明（设计）人： | 张旭东 | 申请（专利权）人： | 百度在线网络技术（北京）有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京铭硕知识产权代理有限公司 11286 | 代理人： | 王兆赓;罗延红 |
| 地址： | 100085 北京市*** | 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： | |||
| 搜索关键词： | 网络 爬虫 识别 方法 | ||
1.一种网络爬虫识别方法，包括以下步骤：
确定入口网页上能够导向后端页面的连接；
在每个确定的连接中创建新的无效连接；
将创建的无效连接设置为隐蔽形式；
当发出对隐蔽形式的无效连接的请求时，将所述请求识别为网络爬虫请求。
2.根据权利要求1所述的网络爬虫识别方法，其中，创建新的无效连接的步骤包括：
如果一个确定的连接中存在唯一表示该连接的字段，则生成一个该字段的无效值，并用该无效值拼装进该连接中，从而创建一个无效连接；
如果一个确定的连接中不存在唯一表示该连接的字段，则在该连接中添加一个参数，从而创建一个无效连接，
其中，创建的无效连接被记为ILinkij。
3.根据权利要求2所述的网络爬虫识别方法，其中，将创建的无效连接设置为隐蔽形式的步骤包括：在与每个确定的连接对应的页面的主模块的html代码中添加<a href=ILinkij style=display:none;></a>形式的代码，从而将创建的无效连接设置为隐蔽形式。
4.根据权利要求3所述的网络爬虫识别方法，其中，将创建的无效连接设置为隐蔽形式的步骤还包括：如果包含<a href=ILinkij style=display:none;></a>形式的代码的无效连接可穷尽，则将相应的无效连接记录到集合Ilink1中，如果包含<a href=ILinkij style=display:none;></a>形式的代码的无效连接不可穷尽，则将相应的无效连接记录到集合Ilink2中。
5.根据权利要求2所述的网络爬虫识别方法，其中，添加到确定的连接中的参数彼此不同。
6.根据权利要求4所述的网络爬虫识别方法，其中，识别网络爬虫请求的步骤包括：
确定与发出的请求相应的连接是否设置在爬虫集合中；
如果与发出的请求相应的连接设置在爬虫集合中，则将发出的请求识别为网络爬虫请求；
如果与发出的请求相应的连接没有设置在爬虫集合中，则确定与发出的请求相应的连接是否设置在集合Ilink1中；
如果与发出的请求相应的连接设置在集合Ilink1中，则将发出的请求识别为网络爬虫请求，并将与发出的请求相应的连接记录到爬虫集合中；
如果与发出的请求相应的连接没有设置在集合Ilink1中，则确定与发出的请求相应的连接是否设置在集合Ilink2中；
如果与发出的请求相应的连接设置在集合Ilink2中，则将发出的请求识别为网络爬虫请求，并将与发出的请求相应的连接记录到爬虫集合中；
如果与发出的请求相应的连接没有设置在集合Ilink2中，则将发出的请求识别为非网络爬虫请求。
7.根据权利要求6所述的网络爬虫识别方法，其中，爬虫集合初始设置为空集。
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百度在线网络技术（北京）有限公司，未经百度在线网络技术（北京）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/pat/books/201310200211.5/1.html，转载请声明来源钻瓜专利网。
