[发明专利]一种基于协作式爬虫的抓取网页数据的控制方法及系统在审
| 申请号： | 201710943646.7 | 申请日： | 2017-10-11 |
| 公开（公告）号： | CN107885777A | 公开（公告）日： | 2018-04-06 |
| 发明（设计）人： | 庞威 | 申请（专利权）人： | 北京智慧星光信息技术有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京国昊天诚知识产权代理有限公司11315 | 代理人： | 许志勇,刘昕 |
| 地址： | 100080 北京市海*** | 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： | 一种基于协作式爬虫的抓取网页数据的控制方法及系统，包括将抓取网页数据的过程分解为第一阶段和第二阶段；网络爬虫在第一阶段通过列表页配置文件只获取页面的URL路径信息；之后网络爬虫通过详情页配置文件，根据获取的各页面的URL路径信息，进一步获取各页面的详情数据，并对详情页进行关键内容的抓取，同时将获取的需要数据存储到数据库中，以完成第二阶段的流程；其中，在第二阶段中多个网络爬虫通过详情页配置文件获取各页面的详情数据的策略包括从详情待解析URL队列信息中得到首个URL路径信息后，便从详情待解析URL队列信息中去除该URL路径信息。本发明解决了从网页层次结构较深或详情页面较多的网站抓取数据花费时间过多，抓取效率低的问题。 | ||
| 搜索关键词： | 一种 基于 协作 爬虫 抓取 网页 数据 控制 方法 系统 | ||
【主权项】：
一种基于协作式爬虫的抓取网页数据的控制方法，包括：将抓取网页数据的过程分解为第一阶段和第二阶段；网络爬虫通过列表页配置文件只获取页面的URL路径信息，完成第一阶段的流程；在完成第一阶段流程后，网络爬虫通过详情页配置文件，根据获取的各页面的URL路径信息，进一步获取各页面的详情数据，并对详情页进行关键内容的抓取，同时将获取的需要数据存储到数据库中，以完成第二阶段的流程；其中，在第二阶段中多个网络爬虫通过详情页配置文件获取各页面的详情数据的策略包括从详情待解析URL队列信息中得到首个URL路径信息后，便从详情待解析URL队列信息中去除该URL路径信息。
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智慧星光信息技术有限公司，未经北京智慧星光信息技术有限公司许可，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/201710943646.7/，转载请声明来源钻瓜专利网。
- 上一篇：一种汽车雨刷
- 下一篇：一种垃圾运输车的快捷清洗装置
