[发明专利]一种非结构化网页信息的自动采集方法无效
| 申请号： | 200710170601.7 | 申请日： | 2007-11-19 |
| 公开（公告）号： | CN101441629A | 公开（公告）日： | 2009-05-27 |
| 发明（设计）人： | 金骏;戴斌华 | 申请（专利权）人： | 上海新纳广告传媒有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;H04L29/06 |
| 代理公司： | 上海科盛知识产权代理有限公司 | 代理人： | 赵志远 |
| 地址： | 200050上*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种非结构化网页信息的自动采集方法，包括以下步骤：1)蜘蛛采集计算机系统从数据存储装置中读取网址链接表；2)检测网址链接表中是否有待采集的网址，若否，则采集结束；3)若步骤2的检测结果为是，则选择对应于待采集的网址的分解规则；4)创建至少一个线程，该至少一个线程通过所选的分解规则分解当前网址的页面；5)分解完成后，将需保存的网页信息及采集状态信息保存到数据存储装置，并返回步骤2。与现有技术相比，本发明将非结构化的信息从各种网站来源页面中抽取出来保存到结构化的数据库中的系统，通过本发明的方法，可以在信息收集整合方面节约大量的人力与资金。 | ||
| 搜索关键词： | 一种 结构 网页 信息 自动 采集 方法 | ||
【主权项】：
1. 一种非结构化网页信息的自动采集方法，其特征在于，包括以下步骤：1)蜘蛛采集计算机系统从数据存储装置中读取网址链接表；2)检测网址链接表中是否有待采集的网址，若否，则采集结束；3)若步骤2)的检测结果为是，则选择对应于待采集的网址的分解规则；4)创建至少一个线程，该至少一个线程通过所选的分解规则分解当前网址的页面；5)分解完成后，将需保存的网页信息及采集状态信息保存到数据存储装置，并返回步骤2)。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海新纳广告传媒有限公司，未经上海新纳广告传媒有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/200710170601.7/，转载请声明来源钻瓜专利网。
- 信息记录介质、信息记录方法、信息记录设备、信息再现方法和信息再现设备
- 信息记录装置、信息记录方法、信息记录介质、信息复制装置和信息复制方法
- 信息记录装置、信息再现装置、信息记录方法、信息再现方法、信息记录程序、信息再现程序、以及信息记录介质
- 信息记录装置、信息再现装置、信息记录方法、信息再现方法、信息记录程序、信息再现程序、以及信息记录介质
- 信息记录设备、信息重放设备、信息记录方法、信息重放方法、以及信息记录介质
- 信息存储介质、信息记录方法、信息重放方法、信息记录设备、以及信息重放设备
- 信息存储介质、信息记录方法、信息回放方法、信息记录设备和信息回放设备
- 信息记录介质、信息记录方法、信息记录装置、信息再现方法和信息再现装置
- 信息终端，信息终端的信息呈现方法和信息呈现程序
- 信息创建、信息发送方法及信息创建、信息发送装置
