[发明专利]RSS信息分页抓取系统及方法

权利要求书

1.一种RSS信息分页抓取系统，其包括：

列表建立单元，适于收集具有分页的RSS频道，建立分页频道列表；

列表分析单元，适于分析所述分页频道列表，得到对应每个RSS频道的分页标签；

代码获取单元，适于当从RSS源抓取信息时，如果作为当前信息来源的目标RSS频道属于所述分页频道列表，则获取所述当前信息对应的页面代码；

标签查找单元，适于在所述页面代码中查找所述目标RSS频道对应的分页标签；

分页组合单元，适于根据查找到的分页标签获得各分页对应的页面，组合各分页对应的页面，得到完整的RSS信息。

2.如权利要求1所述的系统，其特征在于，所述列表分析单元进一步包括：

网页提取模块，适于依次取出所述分页频道列表中的每个RSS频道，找到所述RSS频道中具有分页的网页；

标签对应模块，适于分析所述具有分页的网页的页面代码，找到其中的分页标签作为相应RSS频道所对应的分页标签。

3.如权利要求1所述的系统，其特征在于，所述代码获取单元进一步包括：

信息抓取模块，适于从RSS源抓取信息；

判断模块，适于判断作为当前信息来源的目标RSS频道是否属于所述分页频道列表；

代码获取模块，适于当作为当前信息来源的目标RSS频道属于所述分页频道列表时，获取所述当前信息对应的页面代码。

4.如权利要求1所述的系统，其特征在于，所述分页组合单元进一步包括：

URL获取模块，适于根据查找到的分页标签得到各分页的URL；

正文获取模块，适于根据各分页的URL获得各分页的页面代码，从所述页面代码中抽取各分页的正文；

分页组合模块，适于组合各分页的正文，得到完整的RSS信息。

5.如权利要求1所述的系统，其特征在于，所述系统还包括：

推送单元，适于将所述完整的RSS信息推送给用户。

6.一种RSS信息分页抓取方法，其包括步骤：

收集具有分页的RSS频道，建立分页频道列表；

分析所述分页频道列表，得到对应每个RSS频道的分页标签；

当从RSS源抓取信息时，如果作为当前信息来源的目标RSS频道属于所述分页频道列表，则获取所述当前信息对应的页面代码；

在所述页面代码中查找所述目标RSS频道对应的分页标签；

根据查找到的分页标签获得各分页对应的页面，组合各分页对应的页面，得到完整的RSS信息。

7.如权利要求6所述的方法，其特征在于，所述分析所述分页频道列表，得到对应每个RSS频道的分页标签具体包括：

依次取出所述分页频道列表中的每个RSS频道，找到所述RSS频道中具有分页的网页；

分析所述具有分页的网页的页面代码，找到其中的分页标签作为相应RSS频道所对应的分页标签。

8.如权利要求6所述的方法，其特征在于，所述当从RSS源抓取信息时，如果作为当前信息来源的目标RSS频道属于所述分页频道列表，则获取所述当前信息的页面代码具体包括：

从RSS源抓取信息，判断作为当前信息来源的目标RSS频道是否属于所述分页频道列表，如果是，获取所述当前信息对应的页面代码；否则，认为所述当前信息对应的网页不存在分页，结束流程。

9.如权利要求6所述的方法，其特征在于，所述根据查找到的分页标签获得各分页对应的页面，组合各分页对应的页面，得到完整的RSS信息具体包括：

根据查找到的分页标签得到各分页的URL；

根据各分页的URL获得各分页的页面代码，从所述页面代码中抽取各分页的正文；

组合各分页的正文，得到完整的RSS信息。

10.如权利要求6所述的方法，其特征在于，在所述得到完整的RSS信息之后还包括步骤：

将所述完整的RSS信息推送给用户。

11.一种服务器，其包括权利要求1至5之一所述的RSS信息分页抓取系统。