[发明专利]一种计算关联网页URL模式pattern的方法和装置

权利要求书

1.一种计算关联网页URL模式pattern的方法，包括：

判断指定网页的页面元素中是否具有翻页特征anchor；若是，则提取所述翻页特征anchor对应链接到的关联URL；

根据所述指定网页的URL以及所述翻页特征anchor对应链接到的关联URL计算与所述指定网页对应的关联网页URL模式pattern。

2.如权利要求1所述的方法，其特征在于，所述判断指定网页的页面元素中是否具有翻页特征anchor的步骤包括：

采用翻页特征anchor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anchor。

3.如权利要求1所述的方法，其特征在于，所述翻页特征anchor对应链接到一个或多个关联URL。

4.如权利要求1或2或3所述的方法，其特征在于，所述根据所述指定网页的URL以及所述关联页URL计算所述关联网页URL模式pattern的步骤进一步包括：

使用通配字符替换指定网页的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；

使用通配字符替换所述关联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，将所述第一特征URL前缀或第二特征URL前缀作为关联网页URL模式pattern。

5.如权利要求4所述的方法，其特征在于，所述使用通配字符替换指定网页的URL中的数字块，获得第一特征URL前缀的步骤为：

采用相同的通配字符替换指定网页的URL中不同位置的数字块，获得第一特征URL前缀；

所述使用通配字符替换所述关联URL中的数字块，获得第二特征URL前缀的步骤为：

采用相同的通配字符替换所述关联URL中不同位置的数字块，获得第二特征URL前缀。

6.如权利要求5所述的方法，其特征在于，所述使用通配字符替换指定网页的URL中的数字块，获得第一特征URL前缀的步骤为：

分别采用不同的通配字符，替换指定网页的URL中不同位置的数字块，获得第一特征URL前缀；

所述使用通配字符替换所述关联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相同的通配字符替换所述关联URL在相同位置的数字块，获得第二特征URL前缀。

7.如权利要求1或2或3或5或6所述的方法，其特征在于，还包括：

通过对关联网页URL模式pattern中的共性部分进行结构分析，提取关联网页URL模式pattern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pattern中位置相同但数字不同的数字块。

8.如权利要求7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。

9.一种计算关联网页URL模式pattern的装置，包括：

翻页特征anchor判断模块，适于判断指定网页的页面元素中是否具有翻页特征anchor；若是，则调用关联URL提取模块；

URL提取模块，适于提取所述翻页特征anchor对应链接到的关联URL；

关联网页URL模式pattern计算模块，适于根据所述指定网页的URL以及所述翻页特征anchor对应链接到的关联URL计算与所述指定网页对应的关联网页URL模式pattern。

10.如权利要求9所述的装置，其特征在于，所述翻页特征anchor判断模块还适于：

采用翻页特征anchor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anchor。