[发明专利]一种专利数据采集方法

说明书

本发明公开了一种专利数据采集方法，属于数据采集领域，包括以下步骤：S1：配置管理与配置检索，在正式的数据获取流程开始之前，集中对整个数据获取流程中用到的实际数据和控制数据进行编辑和导入；S2：数据下载，将实际的数据检索与下载流程与其他流程分隔开，集中的执行从远程服务器获取数据的过程；S3：数据预处理与数据抽取，对于之前系统已经下载到本地的数据文件中保存的数据进行预处理和数据抽取的操作。本发明的采集方法更加的科学合理，数据采集过程更加高效，同时从结构上降低了实际数据获取部分的开发和测试的复杂性和难度，并有助于将这些重要的基础性数据，从繁复的获取流程中分离出来，达到数据保护作用。

技术领域

本发明涉及数据采集领域，具体为一种专利数据采集方法。

背景技术

随着科学技术的迅速发展及企业间竞争的日趋激烈，分析、研究和利用专利信息以成为企业在竞争中获益、处于有利竞争地位的重要手段之一，其中在专利分析过程中首先解决的便是对专利数据的采集，足够多的专利数据是专利分析过程中不可或缺的。但是现有的专利数据采集方法不够科学严谨，造成专利数据采集过程中效率低下，同时对于数据缺乏保护，难以将其从繁复的获取流程中分离。

发明内容

本发明的目的在于提供一种专利数据采集方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种专利数据采集方法，包括以下步骤：

S1：配置管理与配置检索，在正式的数据获取流程开始之前，集中对整个数据获取流程中用到的实际数据和控制数据进行编辑和导入；

S2：数据下载，将实际的数据检索与下载流程与其他流程分隔开，集中的执行从远程服务器获取数据的过程；

S3：数据预处理与数据抽取，对于之前系统已经下载到本地的数据文件中保存的数据进行预处理和数据抽取的操作。

优选的，所述S1中配置管理能够保存和配置各次检索之间通用的数据，包括检索页面地址、等待时间。

优选的，所述S1中配置管理与配置检索采用对指定XML配置文件的读写实现。

优选的，所述S1中配置管理能够避免对相同数据进行重复的配置和存储提高效率，同时避免再重复设置。

优选的，所述S1中配置检索能够从结构上降低了实际数据获取部分的开发和测试的复杂性和难，同时将这些重要的基础性数据从繁复的获取流程中分离出来，达到数据保护的作用。

优选的，所述S2中数据下载能避免重复获取资源而导致效率降低，同时最大程度上避免了由于网络连接资源异常而导致的数据获取中断、延迟、系统崩溃状况的发生。

优选的，所述S3中数据抽取采用正则表达式实现。

一种专利数据采集系统，包括检索配置与管理模块、数据检索与下载模块、数据预处理与抽取模块、全局管理模块，其中检索配置与管理模块用于集中对整个数据获取流程中用到的实际数据和控制数据进行编辑和导入，数据检索与下载模块用于将实际的数据检索与下载流程和其他流程分隔开，集中的执行从远程服务器获取数据的过程，数据预处理与抽取模块用于实现对于已经下载到本地的数据文件进行数据抽取和重组工作，全局管理模块用于为了保存和配置各次检索之间通用的数据。

与现有技术相比，本发明的有益效果是：本发明的采集方法更加的科学合理，通过采用检索配置与管理模块能够从结构上降低了实际数据获取部分的开发和测试的复杂性和难度，并有助于将这些重要的基础性数据，从繁复的获取流程中分离出来，达到了一定的数据保护作用，通过采用数据检索与下载模块一方面能够避免重复获取资源而导致效率降低，另一方面可以最大程度上避免由于网络连接资源异常而导致的数据获取中断、延迟、系统崩溃等状况的发生，通过采用全局管理模块保存和配置各次检索之间通用的数据来避免对相同数据进行重复的配置和存储，提高效率，同时避免再重复设置。