[发明专利]一种基于中间人的互联网数据采集方法及系统有效
| 申请号： | 201910909270.7 | 申请日： | 2019-09-25 |
| 公开（公告）号： | CN110781367B | 公开（公告）日： | 2023-10-20 |
| 发明（设计）人： | 程学旗;史存会;胡耀康;朱运昌;俞晓明;刘悦 | 申请（专利权）人： | 中国科学院计算技术研究所 |
| 主分类号： | G06F16/951 | 分类号： | G06F16/951;G06F16/955 |
| 代理公司： | 北京律诚同业知识产权代理有限公司 11006 | 代理人： | 祁建国;张燕华 |
| 地址： | 100080 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出一种基于中间人的互联网数据采集方法及系统，包括：通过安装中间人代理证书至网页信息采集设备，建立网页信息采集设备的中间人，网页信息采集设备访问互联网中网页信息时，中间人代理网页信息采集设备的全部网络流量；中间人获取包含待采集网页URL正则表达式的采集任务，捕获全部网络流量中符合URL正则表达式的流量，作为中间流量，并将采集任务注入中间流量的HTML页面中，得到待解析页面并将其存入第一数据库；解析模块根据第一数据库中待解析页面的URL信息，将待解析页面分发给解析器实例进行解析，从中获取包含结构化数据的网页采集结果并将其存入第二数据库。本发明能够支持所有依靠集成浏览器内核功能来提供信息的应用的数据采集。 | ||
| 搜索关键词： | 一种 基于 中间人 互联网 数据 采集 方法 系统 | ||
【主权项】：
1.一种基于中间人的互联网数据采集方法，其特征在于，包括：/n步骤1、通过安装中间人代理证书至网页信息采集设备，建立该网页信息采集设备的中间人，该网页信息采集设备访问互联网中网页信息时，中间人代理该网页信息采集设备的全部网络流量；/n步骤2、该中间人获取包含待采集网页URL正则表达式的采集任务，捕获该全部网络流量中符合该URL正则表达式的流量，作为中间流量，并将该采集任务注入该中间流量的HTML页面中，得到待解析页面并将其存入第一数据库；/n步骤3、解析模块根据该第一数据库中待解析页面的URL信息，将待解析页面分发给解析器实例进行解析，从中获取包含结构化数据的网页采集结果并将其存入第二数据库。/n
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中国科学院计算技术研究所，未经中国科学院计算技术研究所许可，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/201910909270.7/，转载请声明来源钻瓜专利网。
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
