[发明专利]一种识别网络文字信息的语种的方法及系统

权利要求书

1.一种识别网络文字信息的语种的方法，其特征在于，包括如下步骤：

在网络接入位置采集上网设备在上网时产生的上网数据包；

获取所述上网数据包中包含的文字信息；

根据所述文字信息识别所述上网设备产生的文字信息的语种。

2.根据权利要求1所述的识别网络文字信息的语种的方法，其特征在于，所述获取所述上网数据包中包含的文字信息的步骤，包括：

根据传输层协议将所述上网数据包重组成传输层会话数据流；

根据超文本标记语言HTML协议解析出所述传输层会话数据流中包含的数据；

从所述数据中提取出其包含的文字信息。

3.根据权利要求1或2所述的识别网络文字信息的语种的方法，其特征在于，所述根据所述文字信息识别所述上网设备产生的文字信息的语种的步骤，包括：

解析出所述文字信息中包含的每个字符在Unicode中对应的字符编码；

根据所述字符编码得到所述文字信息在Unicode中的编码范围；

根据所述编码范围识别出所述文字信息的语种。

4.根据权利要求1-3任一所述的识别网络文字信息的语种的方法，其特征在于，在所述根据所述文字信息识别所述上网设备产生的文字信息的语种之后还包括：

根据所述文字信息的语种对所述文字信息进行分类存储。

5.一种识别网络文字信息的语种的系统，其特征在于，包括：

采集装置(1)，用于在网络接入位置采集上网设备在上网时产生的上网数据包；

获取装置(2)，用于获取所述上网数据包中包含的文字信息；

识别装置(3)，用于根据所述文字信息识别所述上网设备产生的文字信息的语种。

6.根据权利要求5所述的识别网络文字信息的语种的系统，其特征在于，所述获取装置(2)包括：

重组单元(21)，用于根据传输层协议将所述上网数据包重组成传输层会话数据流；

第一解析单元(22)，用于根据超文本标记语言HTML协议解析出所述传输层会话数据流中包含的数据；

提取单元(23)，用于从所述数据中提取出其包含的文字信息。

7.根据权利要求5或6所述的识别网络文字信息的语种的系统，其特征在于，所述识别装置(3)包括：

第二解析单元(31)，用于解析出所述文字信息中包含的每个字符在Unicode中对应的字符编码；

范围获取单元(32)，用于根据所述字符编码得到所述文字信息在Unicode中的编码范围；

语种识别单元(33)，用于根据所述编码范围识别出所述文字信息的语种。

8.根据权利要求5-7任一所述的识别网络文字信息的语种的系统，其特征在于，还包括：

分类存储装置(4)，用于根据所述文字信息的语种对所述文字信息进行分类存储。