发明名称 |
一种信息采集方法和装置 |
摘要 |
本发明公开一种信息采集方法和装置,该方法包括:确定待采集的电子布告栏系统网络站点的地址信息和信息采集规则;当接收到获取任一网络站点内容的信息采集请求时,获取所述网络站点的入口链接主地址和副地址;通过入口链接主地址和入口链接副地址确定所述网络站点对应的版面页面,并从版面页面源代码文件中抽取该版面页面所包含的每个帖子的概述信息;从所述概述信息中获取每个帖子的链接地址,并根据所述链接地址确定每个帖子的帖子页面,并从帖子页面源代码文件中抽取每个帖子的内容信息。通过上述方法能够实时采集电子布告栏系统网络站点上发布的最新主贴和回帖信息,并能够对回帖进行增量采集。 |
申请公布号 |
CN103593344A |
申请公布日期 |
2014.02.19 |
申请号 |
CN201210287661.8 |
申请日期 |
2012.08.13 |
申请人 |
北大方正集团有限公司;北京大学;北京北大方正电子有限公司 |
发明人 |
吴新丽;杨建武 |
分类号 |
G06F17/30(2006.01)I |
主分类号 |
G06F17/30(2006.01)I |
代理机构 |
北京同达信恒知识产权代理有限公司 11291 |
代理人 |
黄志华 |
主权项 |
一种信息采集方法,其特征在于,包括:确定待采集的电子布告栏系统网络站点的地址信息和信息采集规则;当接收到获取任一网络站点内容的信息采集请求时,获取所述网络站点的入口链接主地址和副地址;通过入口链接主地址和入口链接副地址确定所述网络站点对应的版面页面,并从版面页面源代码文件中抽取该版面页面所包含的每个帖子的概述信息;从所述概述信息中获取每个帖子的链接地址,并根据所述链接地址确定每个帖子的帖子页面,并从帖子页面源代码文件中抽取每个帖子的内容信息。 |
地址 |
100871 北京市海淀区成府路298号方正大厦9层 |