[发明专利]一种关联网页搜索方法和系统

权利要求书

1.一种关联网页搜索方法，包括：

接收搜索请求；所述请求中包括搜索关键词；

依据所述搜索关键词在预置的关联网页数据库中进行查找，获得与所述关键词匹配的网页；

判断所述网页是否为关联网页；若是，则返回所述网页及所述网页关联的首页信息；所述关联网页包括关联网页URL模式，所述关联网页URL模式为翻页网页的共性部分Pattern；

所述判断所述网页是否为关联网页的步骤包括:

判断所述网页是否包括关联网页URL模式,若是，则所述网页为关联网页；

其中，所述关联网页数据库通过以下方式建立：

判断抓取到的网页是否包括关联网页URL模式；若是，则获取所述关联网页URL模式；

采用所述关联网页URL模式获取对应的关联网页；

采用所述关联网页URL模式对应的关联网页建立关联网页数据库；

所述判断抓取到的网页是否包括关联网页URL模式的步骤包括：

判断当前网页的页面元素中是否具有翻页特征字符串；若是，则提取所述翻页特征字符串链接的URL；

采用预置的替换字符替换当前网页的URL中的数字块，获得第一特征URL前缀；其中，所述数字块为被间隔标识分割出的单个数字或多个数字；

采用预置的替换字符替换所述翻页特征字符串链接的URL中的数字块，获得第二特征URL前缀；

当所述第一特征URL前缀与所述第二特征URL前缀相同时，则判定抓取到的网页是否包括关联网页URL模式。

2.如权利要求1所述的方法，其特征在于，所述判断当前网页的页面元素中是否具有翻页特征字符串的步骤包括：

采用翻页特征字符串在当前网页的DOM树节点中进行匹配；

当匹配成功时，则判断当前网页具有翻页特征字符串。

3.如权利要求1至2任一项所述的方法，其特征在于，所述采用预置的替换字符替换当前网页的URL中的数字块，获得第一特征URL前缀的步骤为：

采用相同的替换字符替换当前网页的URL中不同位置的数字块，获得第一特征URL前缀；

所述采用预置的替换字符替换所述翻页特征字符串链接的URL中的数字块，获得第二特征URL前缀的步骤为：

采用相同的替换字符替换所述特征字符串链接的URL中不同位置的数字块，获得第二特征URL前缀。

4.如权利要求1所述的方法，其特征在于，所述采用预置的替换字符替换当前网页的URL中的数字块，获得第一特征URL前缀的步骤为：

分别采用不同的替换字符，替换当前网页的URL中不同位置的数字块，获得第一特征URL前缀；

所述采用预置的替换字符替换所述翻页特征字符串链接的URL中的数字块，获得第二特征URL前缀的步骤为：

分别采用与第一特征URL相同的替换字符替换所述翻页特征字符串链接的URL在相同位置的数字块，获得第二特征URL前缀。

5.如权利要求1所述的方法，其特征在于，所述采用所述关联网页URL模式获取对应的关联网页的步骤包括：

将所述第一特征URL前缀或第二特征URL前缀作为所述当前网页的对应的关联网页URL模式。

6.如权利要求1所述的方法，其特征在于，所述获取所述关联网页URL模式对应的关联网页的步骤包括：

通过对关联网页URL模式中的共性部分进行结构分析，提取关联网页URL模式中的翻页块，将所述翻页块替换为首页标识获得首页关联网页的URL；其中，所述翻页块为多个关联网页URL模式中位置相同但数字不同的数字块；

访问所述首页关联网页的URL获取所述首页关联网页。

7.如权利要求6所述的方法，其特征在于，所述首页标识包括0、1和/或当前关联网页中的最大数值。