[发明专利]一种甄别音视频网站的方法及系统

摘要

本发明提供了一种甄别音视频网站的方法，基于中心系统和多个与所述中心系统通信的地域系统，该方法包括以下步骤：S1、中心系统通过爬虫采集域名信息；S2、对所述域名信息通过AC自动机对疑似音视频网站的域名进行标记；S3、接收地域系统请求，同步项目所属地域的域名信息给所述地域系统；S4、所述地域系统将接收到的疑似音视频网站放到爬虫采集，根据爬虫的采集情况，判断域名是否为音视频网站。本发明还提供了对应的甄别音视频网站的系统。本发明能自动、快速甄别音视频网站，及提供了高效、便捷的域名信息统一维护方法。

主权项

1.一种甄别音视频网站的方法，基于中心系统(1)和多个与所述中心系统通信的地域系统(2)，其特征在于：该方法包括以下步骤：S1、中心系统(1)通过爬虫采集域名信息；S2、对所述域名信息通过AC自动机进行初步筛选，对疑似音视频网站的域名进行标记形成经标记的域名信息；S3、接收地域系统(2)请求，同步项目所属地域的域名信息给所述地域系统(2)，所述步骤S3中，包括以下步骤：所述地域系统通过REST接口方式发送注册项目信息的请求和同步域名信息的请求，其中，所述注册项目信息包括项目所属地域；根据所述同步域名信息的请求的参数和所述项目所属地域，在域名库中进行检索，并向所述地域系统返回所述项目所属地域的所述域名信息；S4、所述地域系统(2)将接收到的疑似音视频网站放到爬虫采集，根据爬虫采集情况，判断域名是否为音视频网站，所述步骤S4包括以下步骤：S401、根据所述域名信息，所述地域系统的爬虫采集网页中的音视频特征资源；S402、根据音视频源码中的关键字，所述地域系统的AC自动机对音视频特征资源进行比对命中；S403、将包含命中的音视频特征的网页存入数据库中，并统计该网页的数量，其中，该网页为所述域名信息对应的网站的网页；S404、判断包含命中的音视频特征网页的总量是否达到配置的第二阀值，若达到或超过第二阀值，则将该网页对应的网站标记为音视频网站。