[发明专利]一种网页抓取方法及系统无效
| 申请号： | 201110361871.2 | 申请日： | 2011-11-15 |
| 公开（公告）号： | CN103106219A | 公开（公告）日： | 2013-05-15 |
| 发明（设计）人： | 陈华清;吕晴 | 申请（专利权）人： | 盛乐信息技术（上海）有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 逯长明;王宝筠 |
| 地址： | 201203 上海市浦东新区*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种网页抓取方法和系统，该方法包括：在任一个网页链接库处于空闲状态的情况下，从至少任一个网页链接库中选取额定数量的初始链接；从所述初始连接对应的各个原始网页中抓取新链接；对每个待更新链接，判断所述待更新链接是否存在于任一个网页链接库中，如果是，将所述待更新链接存储到包括所述待更新链接的网页链接库对应的更新连接缓存中，或者在包括所述待更新链接的网页链接库处于空闲的情况下，根据所述待更新链接的抓取状态更新包含所述待更新链接网页连接库中对应链接的抓取状态，如果否，将所述待更新链接追加到任一个网页链接库对应的追加链接缓存中。采用本发明实施例公开的方法或系统，可以提高网页抓取系统的效率。 | ||
| 搜索关键词： | 一种 网页 抓取 方法 系统 | ||
【主权项】：
一种网页抓取方法，其特征在于，所述方法应用的网页抓取系统包括至少两个网页链接库，包括步骤：A、在任一个网页链接库处于空闲状态的情况下，从所述至少任一个网页链接库中选取额定数量的初始链接，所述空闲状态指所述网页链接库既不处于被选取状态，又不处于更新状态；B、从所述初始链接对应的各个原始网页中抓取新链接；C、对于每个待更新链接，所述待更新链接指所述新链接以及所述初始链接，判断所述待更新链接是否存在于任一个网页链接库中，如果是，则进入步骤D，如果否，则进入步骤E；D、将所述待更新链接存储至包含所述待更新链接的网页链接库对应的链接缓存中，或在包含所述待更新链接的网页链接库处于空闲状态的情况下，根据所述待更新链接的抓取状态更新包含所述待更新链接网页连接库中对应链接的抓取状态；E、将所述待更新链接追加到任一个网页链接库对应的追加链接缓存中。
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盛乐信息技术（上海）有限公司，未经盛乐信息技术（上海）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/201110361871.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种锂离子电池电解液
- 下一篇：一种用于农机链条铆钉的链条固定装置
