[发明专利]数据抽取方法及装置在审
| 申请号： | 201611161732.4 | 申请日： | 2016-12-15 |
| 公开（公告）号： | CN108228629A | 公开（公告）日： | 2018-06-29 |
| 发明（设计）人： | 曹六一;张丹;于晓明 | 申请（专利权）人： | 北大方正集团有限公司;北京北大方正电子有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京同立钧成知识产权代理有限公司 11205 | 代理人： | 张莲莲;刘芳 |
| 地址： | 100871 北京市海*** | 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： | |||
| 搜索关键词： | 数据抽取 插件 抽取 数据总线 物理资源 数据抽取模块 数据总线连接 抽取模块 抽取数据 获取数据 集中管理 爬虫系统 紧耦合 数据发 原系统 子模块 复用 调配 散步 | ||
1.一种数据抽取方法，其特征在于，包括：
数据抽取插件从数据总线获取数据抽取任务，所述数据总线连接有多个数据抽取插件，每个数据抽取插件用于抽取不同种类的数据；
所述数据抽取插件根据所述数据抽取任务抽取数据；
所述数据抽取插件将其抽取到的数据发送给所述数据总线。
2.根据权利要求1所述的方法，其特征在于，还包括：
所述数据抽取插件周期向所述数据总线发送心跳报文，所述心跳报文包括如下至少一种：
插件名称、插件版本、抽取数据成功信息、抽取数据失败信息；
所述数据总线用于根据所述心跳报文，判断所述数据抽取插件的存活状态，若所述数据总线在预设时间内收不到所述数据抽取插件的心跳报文，则关闭所述数据抽取插件。
3.根据权利要求1所述的方法，其特征在于，所述数据抽取插件和所述数据总线通过超文本传输协议HTTP协议进行通信。
4.根据权利要求1所述的方法，其特征在于，所述数据抽取插件存放在预设的目录下，不同的数据抽取插件存放在不同的目录下，同一数据抽取插件的不同版本存放在不同的目录下。
5.根据权利要求4所述的方法，其特征在于，所述数据总线还用于增加、删除、更新数据抽取插件、周期性获取所述数据抽取插件的物理资源占用率；
所述物理资源占用率包括如下至少一种：
CPU使用率、内存大小、磁盘占用大小。
6.一种数据抽取装置，其特征在于，包括：
获取模块，用于从数据总线获取数据抽取任务，所述数据总线连接有多个数据抽取插件，每个数据抽取插件用于抽取不同种类的数据；
抽取模块，用于根据所述数据抽取任务抽取数据；
发送模块，用于将其抽取到的数据发送给所述数据总线。
7.根据权利要求6所述的数据抽取装置，其特征在于，所述发送模块还用于周期向所述数据总线发送心跳报文，所述心跳报文包括如下至少一种：
插件名称、插件版本、抽取数据成功信息、抽取数据失败信息；
所述数据总线用于根据所述心跳报文，判断所述数据抽取插件的存活状态，若所述数据总线在预设时间内收不到所述数据抽取插件的心跳报文，则关闭所述数据抽取插件。
8.根据权利要求6所述的数据抽取装置，其特征在于，所述数据抽取插件和所述数据总线通过超文本传输协议HTTP协议进行通信。
9.根据权利要求6所述的数据抽取装置，其特征在于，所述数据抽取插件存放在预设的目录下，不同的数据抽取插件存放在不同的目录下，同一数据抽取插件的不同版本存放在不同的目录下。
10.根据权利要求9所述的数据抽取装置，其特征在于，所述数据总线还用于增加、删除、更新数据抽取插件、周期性获取所述数据抽取插件的物理资源占用率；
所述物理资源占用率包括如下至少一种：
CPU使用率、内存大小、磁盘占用大小。
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北大方正集团有限公司;北京北大方正电子有限公司，未经北大方正集团有限公司;北京北大方正电子有限公司许可，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/pat/books/201611161732.4/1.html，转载请声明来源钻瓜专利网。
