[发明专利]一种增量更新与爬取技术在审
| 申请号： | 201310040088.5 | 申请日： | 2013-02-01 |
| 公开（公告）号： | CN103970787A | 公开（公告）日： | 2014-08-06 |
| 发明（设计）人： | 尹科 | 申请（专利权）人： | 北京英富森信息技术有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100190 北京市海淀区中关*** | 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： | 本发明涉及一种增量更新与爬取技术，包括：判断待爬取网页内容的UR是否为静态页面的链接地址；当待爬取网页内容的URL为静态页面的链接地址时，判断所述URL是否爬取过，是则用所述URL替换已存储的URL；否则，根据爬取日期创建年/月/日/URL链接地址的文件夹，将待爬取网页的内容存储到所述文件夹中。本发明通过每次获取待爬取网页的URL时，判断所述URL是属于静态页面的还是动态页面的链接地址。如果是静态页面的，则判断所述URL是否已经爬取过，如已经爬取过则不进行爬取，直接将已经爬取过的URL替换成现有的链接地址存储，实现了静态页面的增量更新存储的要求，从而减少爬虫系统更新页面的工作量，提升了页面的新鲜度。 | ||
| 搜索关键词： | 一种 增量 更新 技术 | ||
【主权项】：
一种增量更新与爬取技术，其特征在于，包括以下步骤：判断待爬取网页内容的URL链接地址是否为静态页面的链接地址；当所述待爬取网页内容的URL链接地址为静态页面的链接地址时，判断所述待爬取网页内容的URL链接地址是否爬取过，是则找到所述静态页面的存储路径，用所述待爬取网页的当前URL链接地址替换已存储的URL链接地址；否则，根据爬取日期创建年/月/日/URL链接地址的文件夹，将所述待爬取网页的内容存储到所述文件夹中，用所述待爬取网页的当前URL链接地址替换已存储的URL链接地址；当所述待爬取网页内容的URL链接地址为动态页面的链接地址时，根据爬取日期创建年/月/日/URL链接地址的文件夹，将所述待爬取网页的内容存储到所述文件夹中，用所述待爬取网页的当前URL链接地址替换已存储的URL链接地址。
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英富森信息技术有限公司，未经北京英富森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/201310040088.5/，转载请声明来源钻瓜专利网。
