发明名称 |
基于网页数据抓取的垂直智能爬虫数据收集方法 |
摘要 |
本发明涉及一种基于网页数据抓取的垂直智能爬虫数据收集方法,其特点是:首先,通过启停入口配置模块,将爬虫初始入口地址配置到启动模块中。之后,爬虫控制系统按照设定的抓取规则和抓取流程,进行深度优先算法开始遍历抓取网页。最终,爬虫通过规则配置系统的规则序列对,对页面数据进行解析提取,对提取出的二维结构数据进行存储。由此,能够满足爬虫通用性要求,在具体业务逻辑上增加解析规则配置,抓取网页深度,抓取线程,数据库配置或索引配置,就可以开启智能化抓取采集信息。能够有效构成智能垂直爬虫框架,同时,能够实现数据自动归档,分类入库,可采用分布式键值对数据库存储的方式。 |
申请公布号 |
CN104346328A |
申请公布日期 |
2015.02.11 |
申请号 |
CN201310310298.1 |
申请日期 |
2013.07.23 |
申请人 |
同程网络科技股份有限公司 |
发明人 |
王专;张海龙;马和平;郭凤林;王晓钟;庞绍进;王祚德;靳彩娟 |
分类号 |
G06F17/30(2006.01)I |
主分类号 |
G06F17/30(2006.01)I |
代理机构 |
南京苏科专利代理有限责任公司 32102 |
代理人 |
陈忠辉 |
主权项 |
基于网页数据抓取的垂直智能爬虫数据收集方法,其特征在于包括以下步骤:步骤①,通过启停入口配置模块,将爬虫初始入口地址配置到启动模块中; 步骤②,爬虫控制系统按照设定的抓取规则和抓取流程,进行深度优先算法开始遍历抓取网页;步骤③,爬虫通过规则配置系统的规则序列对,对页面数据进行解析提取,对提取出的二维结构数据进行存储。 |
地址 |
215021 江苏省苏州市工业园区星湖街328号创意产业园5栋 |