[发明专利]对爬虫抓取进行改进的网络数据采集方法在审
| 申请号： | 201711182048.9 | 申请日： | 2017-11-23 |
| 公开（公告）号： | CN107832449A | 公开（公告）日： | 2018-03-23 |
| 发明（设计）人： | 石文威 | 申请（专利权）人： | 安徽科创智慧知识产权服务有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 236800 安徽省亳州市工*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了对爬虫抓取进行改进的网络数据采集方法，包括步骤1，通过网络爬虫从Internet上抓取网页内容，并抽取出需要的属性内容；步骤2，URL只是全部种子URL的一部分，将这些URL放入待抓取的URL队列中，从待抓取的URL队列中取出待抓取URL，解析DNS，并得到主机的IP，将URL对应的网页下载下来，存储进已下载网页库中，将下载了网页的URL放进已抓取URL队列中，分析已抓取队列中的URL；步骤3，通过数据处理模块对爬虫抓取的内容进行处理；步骤4，通过数据存储模块对需要抓取数据网站的URL信息、爬虫从网页中抽取出来的数据以及经过DP处理后的数据进行存储。本发明提高了网络信息的采集和抓取速度，同时提高了抓取后信息的存储速度。 | ||
| 搜索关键词： | 爬虫 抓取 进行 改进 网络 数据 采集 方法 | ||
【主权项】：
对爬虫抓取进行改进的网络数据采集方法，其特征在于，包括：步骤1，通过网络爬虫从Internet上抓取网页内容，并抽取出需要的属性内容；步骤2，通过URL队列为爬虫提供需要抓取数据网络的URL；URL只是全部种子URL的一部分，将这些URL放入待抓取的URL队列中，从待抓取的URL队列中取出待抓取URL，解析DNS，并得到主机的IP，将URL对应的网页下载下来，存储进已下载网页库中，将下载了网页的URL放进已抓取URL队列中，分析已抓取队列中的URL；步骤3，通过数据处理模块对爬虫抓取的内容进行处理；步骤4，通过数据存储模块对需要抓取数据网站的URL信息、爬虫从网页中抽取出来的数据以及经过DP处理后的数据进行存储。
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安徽科创智慧知识产权服务有限公司，未经安徽科创智慧知识产权服务有限公司许可，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/201711182048.9/，转载请声明来源钻瓜专利网。
- 上一篇：数据库操作方法、装置及设备
- 下一篇：用于清洗数据重复记录的方法
