[发明专利]视频服务网站内容更新信息的自动搜索与抽取系统及方法

摘要

本发明提出一种视频服务网站内容更新信息的自动搜索与抽取系统，包括系统调度模块、URL组装机构造模块、xpath生成器、URL生成模块、网页下载模块、信息抽取模块和信息存储数据库。其中，系统调度模块用于协调和调度各个系统模块；URL组装机构造模块用于构造当前进行信息抽取的网站搜索结果页URL的组装机；xpath生成器用于生成搜索结果页各视频摘要信息所在子树顶节点的xpath；URL生成模块用于使用URL组装机组装搜索结果页的URL；网页下载模块用于下载指定URL的网页；信息抽取模块用于抽取下载网页的视频摘要信息，并存储到信息存储数据库；信息存储数据库用于存储抽取下来的摘要信息。本发明有效地解决了网站内容更新信息的获取问题。

主权项

1、一种视频服务网站内容更新信息的自动搜索与抽取系统，包括系统调度模块、URL(统一资源定位器)组装机构造模块、xpath(XML文档元素路径)生成器、URL生成模块、网页下载模块、信息抽取模块和信息存储数据库，所述系统调度模块，用于协调和调度各个系统模块；所述URL组装机构造模块，用于构造当前进行信息抽取的网站搜索结果页URL的URL组装机；所述xpath生成器，用于生成所述搜索结果页各视频摘要信息所在子树顶节点的xpath；所述URL生成模块，用于利用所述URL组装机组装所述搜索结果页的URL；所述网页下载模块，用于下载所述指定URL的网页；所述信息抽取模块，用于从下载的所述搜索结果页中抽取视频摘要信息，并存储到所述信息存储数据库；所述信息存储数据库，用于存储所述抽取下来的视频摘要信息。