[发明专利]一种基于分布式爬虫引擎的数据采集方法有效
| 申请号： | 202011591563.4 | 申请日： | 2020-12-29 |
| 公开（公告）号： | CN112597373B | 公开（公告）日： | 2023-09-15 |
| 发明（设计）人： | 陈思恩 | 申请（专利权）人： | 科技谷（厦门）信息技术有限公司 |
| 主分类号： | G06F16/951 | 分类号： | G06F16/951;G06F16/955;G06F16/25;G06F16/215 |
| 代理公司： | 厦门致群财富专利代理事务所(普通合伙) 35224 | 代理人： | 刘兆庆;邓贵琴 |
| 地址： | 361000 福建省厦*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于分布式爬虫引擎的数据采集方法，其包括以下步骤：S1、获取用户的任务创建请求并创建对应的数据采集任务；S2、构建分布式爬虫系统，对数据采集任务进行调度并触发任务执行，通过分布式爬虫系统分解数据采集任务，并分配给多个爬虫线程；S3、启动爬虫线程，分布式爬虫系统从队列资源获取URL，根据数据采集任务指定的目标网站爬取URL对应的页面，下载并获取页面数据；S4、对获取的页面数据进行整理清洗，生成与数据采集任务匹配的格式化数据集，并通过持久化处理后存储入数据库；本发明通过分布式部署爬虫集群的爬虫引擎，爬取目标网站的定向数据，提高了爬取效率及数据的精确度。 | ||
| 搜索关键词： | 一种 基于 分布式 爬虫 引擎 数据 采集 方法 | ||
【主权项】：
暂无信息
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科技谷（厦门）信息技术有限公司，未经科技谷（厦门）信息技术有限公司许可，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/202011591563.4/，转载请声明来源钻瓜专利网。
